Captulo VII

Matrices, Determinantes y Sistemas de Ecuaciones

1
Observacin previa referente a ciertas pruebas de este captulo
La prueba de determinadas propiedades de este captulo requiere un
manejo de ndices y sumatorias simples y dobles y ciertas cuestiones de
notacin especficas del lenguaje matricial. Este engorroso manejo dificulta
la comprensin de la argumentacin de la prueba y por consiguiente, el
arribo a la meta, esencialmente por la dificultad generada por la
comprensin del lenguaje matricial. Queda entonces desdibujado lo
establecido por la prueba en s misma, de ah entonces la supresin de
algunas de ellas.
Debe destacarse que lo que se busca de la prueba matemtica en general
para el tipo de estudiantes a quines va dirigido este material didctico es
que razonen, conjeturen y argumenten. El objetivo del captulo estar
cumplido si se comprende la estructura de las matrices, los determinantes y
su aplicacin a la resolucin de sistemas, independientemente de que no se
hagan algunas demostraciones cuyo desarrollo es esencialmente tcnico por
lo antes descripto.
Asimismo se apela a que el lector estudiante no deje de verificar a todas las
propiedades con varios ejemplos, especialmente las que no se prueban.

1. Introduccin

1.1. Matriz. Gnesis de su Concepto.

Consideremos el siguiente problema:
A travs de la web, una persona compr 1 pendrive de 1 giga y un blster
de 4 pilas recargables AA por $65., otra por el mismo sitio web y adquiere
3 pendrive de 1 giga y dos blster de 4 pilas recargables AA por $160.
Cul es el precio de cada pendrive y de cada blster de pilas recargables?

Si llamamos con x al precio de cada pendrive, e y al precio de cada
blster de pilas recargables, entonces tenemos:
65
3 2 160
x y
x y
+ =
+ =


Uno de los objetos esenciales del captulo es resolver problemas como stos.
El estudiante que est leyendo estas pginas sabe resolver este problema
desde el ciclo medio y lo revis en el curso de ingreso. Lo que interesa ahora
es bucear en estas cuestiones e introducir una nueva estructura matemtica
y el lgebra correspondiente.

2
De modo que del problema planteado nos interesa rescatar la ubicacin y
ordenamiento de los coeficientes:

Los coeficientes que integran al sistema conservan un cierto orden y
conexin entre ellos.

En general, se puede armar un cuadro ordenado de nmeros (concretos o
expresados de forma abstracta) en un arreglo rectangular denominado una
matriz.

Esto nos lleva a formular la siguiente:

Definicin
Una matriz es una ordenacin rectangular de nmeros dispuestos en filas
y columnas del modo siguiente:

{ }
11 12 13 1
21 22 23 2
31 32 33 3
1 2 3
...........
...........
............
..... ..... ...... ............. .....
............
n
n
n ij
m n
m m m mn
a a a a
a a a a
a a a a a
a a a a

| |
|
|
= = |
|
|
|
\ .
A

Cada coeficiente indica la fila o columna donde se encuentra el mismo.

Por ejemplo:
a11 ocupa la fila 1 y la columna 1.
a12 ocupa la fila 1 y la columna 2.
a34 ocupa la fila 3 y la columna 4.
Cada , ,
ij
a i j e e

Expresamos simblica y sintticamente a una matriz del modo siguiente:
{ }
ij
m n
a

3
Ejemplos:
0 1 2
0 2
1 0 0 ; ;
1 3 0 0 1
2 2 1

| |

| | | |
|
= = =
| |
|

\ . \ .
|

\ .
1 0 2
A B C

En general, al producto m n se lo denomina tamao o forma de la matriz.
As, los tres ejemplos que presentamos respectivamente son de los
siguientes tamaos: 3 3, 2 2, 2 3.

Las matrices aparte de la aplicacin que veremos de inmediato, son
sumamente tiles en informtica, pues los datos suministrados por un
ordenador vienen, por lo general, expresados en filas y columnas, y tales
arreglos gozan perfectamente, en comparacin con la estructura algebraica
de las matrices, y de las mismas propiedades.
Continuando con la simbolizacin de las matrices, podemos escribir al
conjunto que contiene a todas las matrices con coeficientes complejos, de
forma similar a los polinomios y escribimos:
( )
{ }
{ }
( )
/
m n ij ij m n
m n
M a a M

= = . e X X al conjunto de
matrices complejas que incluyen obviamente a las matrices reales, es decir
que con el conjunto numrico estamos aludiendo a los coeficientes de las
mismas.

1.2. Igualdad de matrices
Definicin: Dadas las matrices:
{ } { }
;
ij ij
m n r s
a b

= = A B , se dice que:
.
ij ij
a b m r n s = = . = . = A B

1.3. Tipos de matrices

1.3.1. Matriz cuadrada
Definicin: Es aquella matriz que tiene igual nmero de filas que de
columnas.
A nivel de simbolizacin, ocurre que: m=n, de ah que lo que se hace en este
tipo de matrices, es escribir como subndice n, en lugar de n n y se suele
decir en estos casos en lugar de la ltima simbolizacin que la matriz es de
orden n.

4
As tambin tendremos conjuntos de matrices reales y complejas cuadradas
que similarmente a lo conocido, se simbolizan de este modo:
( )
{ }
{ }
( )
/
n ij ij n
n
M a a M = = . e X X
Importante: En cualquier matriz los elementos del tipo /
ij
a i j =
constituyen la diagonal principal de la matriz, que escribimos
simblicamente del modo siguiente:
{ }
11 22 33
; ; ;.....;
nn
a a a a

1.3.2. Matriz triangular
Definicin: Es aqulla matriz cuadrada cuyos elementos por debajo de la
diagonal principal o por encima de la misma son iguales a cero. Una matriz
triangular puede ser superior o inferior.
Simblicamente:
{ }
ij
n
a es una matriz triangular superior sii 0 / .
ij
a j i = >
{ }
ij
n
a es una matriz triangular inferior sii 0 / .
ij
a j i = <
Ejemplo:

| |
|
|
=
|
|
\ .
1 0 0 0
2 3 0 0
A
2 0 2 0
1 2 3 4
es una matriz triangular superior
1.3.3. Matriz diagonal
Definicin: Es aqulla matriz cuadrada que tiene todos sus elementos
iguales a cero, excepto los de la diagonal principal.
Simblicamente:
{ }
ij
n
a es diagonal sii 0 / .
ij
a j i = =
Ejemplo:
| |
|
|
=
|
|
\ .
1 0 0 0
0 3 0 0
B
0 0 2 0
0 0 0 4

1.3.4. Matriz escalar

5
Definicin: Es aqulla matriz diagonal cuyos elementos no nulos, es decir
los de la diagonal principal, son iguales entre s.
Simblicamente:
{ }
ij
n
a es escalar sii
{ }
ij
n
a es diagonal con los elementos
iguales de la diagonal principal.

Ejemplo:
| |
|
|
=
|
|
\ .
3 0 0 0
0 3 0 0
B
0 0 3 0
0 0 0 3


1.3.5. Matriz unidad o matriz identidad
Definicin: Es aquella matriz escalar con todos los elementos diagonales
iguales a la unidad.
Ejemplo:
| |
|
|
=
|
|
\ .
1 0 0 0
0 1 0 0
B
0 0 1 0
0 0 0 1


Nota importante: Debe destacarse que los ejemplos expuestos pueden
generalizarse a cualquier tamao.

1.3.6. Matriz nula
Definicin: Es aqulla matriz, no necesariamente cuadrada, en la que
todos sus elementos son nulos.
Ejemplos: ;
| | | |
| |
| |
= =
| |
| |
\ . \ .
0 0 0 0
0 0 0 0 0 0 0
0 0 0 0
0 0 0 0 0 0 0
O O
0 0 0 0
0 0 0 0 0 0 0
0 0 0 0
0 0 0 0 0 0 0

1.3.7. Casos particulares de matrices

6
Definicin: Una matriz de orden 1 n es un vector fila de
n
, es decir,
una n upla de nmeros reales que simbolizamos:
( )
1 2 3
, , ,....., .
n
x x x x
Anlogamente se define vector columna, que se trata de matrices de orden
1 m que se constituyen en vectores columna de
m
, es decir, una
m upla de nmeros reales que se visualiza como:
1
2
3
.
...
m
x
x
x
x
| |
|
|
|
|
|
|
\ .

2. Operaciones con matrices
2.1. Adicin y producto por escalares

Definicin: Dadas las matrices:
{ } { }
;
ij ij
m n m n
a b

= = A B , se define la
adicin y el producto por escalares de la forma siguiente:

{ } { }
; / .
ij ij ij
m n m n
a b a o o o

+ = + = e A B A

Ejemplos:

;
;
| | | |
=
| |
\ . \ .
| | | | | | | |
=
| | | |
\ . \ . \ . \ .
1 2 2 -1
A B =
3 4 0 3
1+ 2 2 - 1 3 1 4.1 4.2 4 8
A+ B = 4.A = =
3 +0 4 + 3 3 7 4.3 4.4 12 16

Observaciones
Para sumar dos o ms matrices todas deben ser del mismo tamao.

7
El mecanismo de la adicin es smil al de vectores, componente a
componente. Anlogamente ocurre en el producto por escalares.

2.2. Matriz opuesta

Definicin:
La matriz opuesta de una matriz dada A es
( )
. -A/ A+ -A = O

2.3. Diferencia de matrices:
( )
A- B= A+ -B

2.4. Propiedades de la adicin y multiplicacin por escalares
Se sugiere que el estudiante las analice a partir de lo siguiente:
( ) ( )
, , ,
n
M + es un espacio vectorial

Actividad de Aprendizaje I

1. Analiza si las siguientes cuaternas son espacios vectoriales
justificando la respuesta:


( ) ( ) ( ) ( ) ( ) ( )
. , , , ; . , , , ; . , , ,
n n n
i M ii M iii M + + +

2. Analiza las propiedades consecuencias de la adicin de matrices y
multiplicacin por escalares, a partir de las propiedades que cumple
todo espacio vectorial.
Respuesta 1: Solo iii no es espacio vectorial

Actividad de Aprendizaje II
1. Considerando las matrices:
:
. ; . ; .
Obtener
a A B C b A C B c B C A
| | | | | |
| | |
\ . \ . \ .
+ + +
- 2 -3 5 0 1 2 -4 1 / 2 2
A = ;B = ;C=
0 1 / 2 -1 2 -1 7 3 0 -1


8
2. Hallar la matriz X que satisface:
( )
. . X = 2 A+ -3 B

| | | |
| |
| |
| |
\ . \ .
5 3 7 1
0 A = 3 ;B = -2 -1
0 3 2 -1

3. Hallar la matriz X en cada caso si . A+X = B
Verificar cada resultado obtenido.

. a
b
c
| | | |
| |
\ . \ .
| | | |
| |
\ . \ .
| | | |
| |
| |
|
|
\ .
\ .
-8 0 -5 0 1 1 -2 -1
A = ;B =
5 0 3 0 3 -1 4 2
1 2 -1 -2
. A = ;B =
2 0 -2 0
5
0 3 1
0 . A = -1 2 ;B = -1
1 / 2 8 3 / 2 4

4. Calcular si existen, e , /
| | | | | |
| | |
\ . \ . \ .
7 1 -2 -1 -11 12
+ =
-1 2 0 1 7 -33

5. Hallar la matriz ( ) X/ 3 A+B - 2X+3C= O
siendo:
| | | | | |
| | |
\ . \ . \ .
3 0 0 0 0 0 -1 2 1 4 -1 2
A = , B= , C=
0 5 0 0 0 0 3 5 4 2 1 1

Respuestas:

1. . . .
2. ; 4. 7, 19; 5.
a b c
o |
| | | | | |
| | |
\ . \ . \ .
| |
| | |
= =
| |
\ .
|
\ .
2 + 2 -2 - 2 2 - 2 -5 3 / 2 -3 17 / 2 -5 / 2 1
; ;
-1 / 2 5 -3 / 2 -5 1 / 2 -5 -1 7 7
-1 -7
6 3 / 2 9 / 2 3
12 -2 X =
15 / 2 3 / 2 15 / 2 15
-6 9

2.5.1. Producto de matrices
2.5.2. Producto escalar o interno
Definicin: Dadas dos n uplas de vectores fila, siendo:

( ) ( )
1 2 3 1 2 3
, , ,....., , , ,.....,
n n
a a a a a y b b b b b = =


9
se denomina producto escalar o interno y se lo simboliza as:
1
n
i i
i
a b a b
=
=

Anlogamente se define para vectores columna y combinacin de ambos.
Ejemplos:
( ) ( )
( ) ( )
1, 2, 3, 1, 0 2, 1, 3, 4, 0
1.2 2. 1 3.3 1 .4 0.0 .... 5
a y b
a b
= =
= + + + + = =

( ) ( ) ( )
0
1/ 2
1
1, 2, 3, 4,5 1 1.0 2 . 3. 1 4.2 5.0 .... 4
2
2
0
a y b a b
| |
|
|
| = = = + + + + = =
|
|
|
\ .

2.5.3. El producto de matrices propiamente dicho
A los efectos de comprender rpidamente el producto de matrices
propiamente dicho y observando la figura de la pgina siguiente puede
verse que:
Al considerar cualquier matriz, debe observarse que cada fila es un vector
fila, observa la flecha horizontal; y por su lado debe observarse que cada
columna es un vector columna, observa la flecha vertical

11 12 13 1
21 22 23 2
31 32 33 3
1 2 3
...........
...........
............
..... ..... ...... ............. .....
............
n
n
n
m m m mn
a a a a
a a a a
a a a a
a a a a
| |
|
|
| =
|
|
|
\ .
A

Definicin: Dadas las matrices:
{ } { }
;
ij ij
m n n p
a b

= = A B ,llamamos producto
de la dos matrices dadas y lo simbolizamos: A.B a una nueva matriz
{ }
ij
m p
c

= C que se obtiene a partir de y A B mediante la siguiente

expresin:
1
.
n
ik kj
k
a b
=

Disposicin prctica del producto de matrices:


10

Se generan mini productos escalares
, cada fila de la primer matriz se multiplica por cada columna de la segunda
matriz y se van ubicando previo pronstico del tamao de la matriz
producto, de acuerdo al tamao de las matrices intervinientes.
Ejemplos:
| |
| | |

| |
\ .
|
\ .
32 24 34
1 -2
2 7 -2 4
A = 2 1 ;B = A B AB
0 0 -1 -4
0 -1

A continuacin se detallan las secuencias de los mini productos escalares
que integran el producto completo de las dos matrices dadas como ejemplo:


Producto con el resultado del mismo:

11

Actividad de Aprendizaje III
Reflexiona y justifica la respuesta: Se puede hacer el producto precedente
en forma conmutativa?

Observaciones
El producto es posible siempre que el nmero de columnas de la
primera matriz sea igual al nmero de filas de la segunda.
El resultado del producto es una matriz de orden igual al nmero de
filas de la primera matriz por el nmero de columnas de la
segunda.
m n n p m p

A B AB

2.5.4. Propiedades
Anticonmutativo Asociativo Distributivo (independientemente)
Elemento neutro: matriz identidad A.I = I.A= A

Producto nulo:
v
/
v
/
A.B = O A = O B = O
A = O B = O A.B = O

No cancelativa: . =
/
A.B= A.C A O B= C

Observacin importante
Las propiedades precedentes no se prueban salvo la anticonmutatividad;
producto nulo y no cancelativa, es decir, las que requieren para su
validacin de un contraejemplo.
Actividad de Aprendizaje IV
Probar la anticonmutatividad, producto nulo y la no cancelativa con los
correspondientes contraejemplos.

2.5.5. Aplicaciones del producto a problemas reales
Una interesante y simple aplicacin del producto de matrices est orientada
al anlisis de precios. Supongamos que alguien necesita comparar los costos

12
totales de ciertos artculos de diferentes estore. La siguiente tabla, puede
ser vista como una matriz, ya que muestra el costo en pesos de un
determinado producto en cada uno de las tres tiendas virtuales.
1 2 3 4 5

estore 1 100 40 17 100 130
estore 2 89 31 12 107 110 = A
estore 3 92 35 15 96 99
1: pendrive de 4 gigas; 3. Pilas recargables (*); 4. Memoria sd 8 gigas; 2:
pendrive de 1 giga; 5: cargador de pilas estndar para cuatro AA o AAA
(*)blster de cuatro
Supongamos que una persona que realiza ventas de forma personal, sin
tener un local real ni virtual y desea comprar 10 pendrive de 4 gigas, 5 de 1
giga, 10 blister de pilas recargables, 20 memorias sd de 8 gigas y 20
cargadores. En cul de las tres tiendas virtuales por esta compra
conseguir mejor precio?
Para esto se considera la matriz A cuyos coeficientes muestran los precios
de las tres tiendas virtuales de los cinco productos y la matriz B cuyos
coeficientes muestran la cantidad que se desea adquirir de cada uno de los
cinco productos. El producto mostrar el costo de esos cinco productos en
cada una de las tres tiendas virtuales lo que permitir decidir rpidamente
al comprador donde le ser ms conveniente hacer la compra deseada.


13
Actividad de Aprendizaje V
1. Calcular en cada caso, si es posible: A.B
( )
( ) ( ) . ; . ; i ii
| |
|
|
|
|
|
|
\ .
4
1
A = 1, 2, 3, 4, -1, 2 , B = 1, 2,1, -1, 0, 2 A = 1, 2, 3, -1, 0, 0 , B = -2
2
1

. , . iii iv
| |
| |
| |
|
| | |
|
|
| |
|
|
\ .
|
|
| \ .
\ .
\ .
-1
1 0 0 0 0
0
3 1 / 4 1 -2
A = B = ; A = 0 0 0 , B = 3 ; -7
2
0 3 -1 2
5 0 0 4 2
12

. ; . v vi
| |
| |
| | | |
|
|
| |
|
|
| |
|
| |
|
| \ . \ .
\ .
\ .
0 0 0
3 4 -1 2 0 0 3 -4 1
0 0 0
0 5 6 A = -1 , B = A = 0 0 , B = 2 0 -1 ;
0 0 0
3 2 -1 1 0 0 5 7 3
0 0 0

. ; . vii viii
| | | |
| |
| |
| | |
| |
| |
| |
\ .
|
| |
\ .
\ . \ .
1 0 0 0 2 3 4 -1
1 2 0
0 1 0 0 5 0 7 2
0 1 2
A = , B = A = 0 2 -1 , B =
0 0 1 0 0 -1 6 3
5 4 -1
1 2
0 0 0 1 5 4 -1 2

Respuestas:
. 4 2 2; ., . .; . ; . ; . ;
. ; .
i ii viii no se puede iii iv v
vi vii
| |
| | |
+
| |
\ .
|
\ .
| |
| |
|
|
|
|
|
|
| \ .
\ .
3 4 - 2
8
O - 0 5 6
40
2 - 3
3 2 4 -1
3 -4
5 0 7 2
2 0 -
0 6 3 -1
5 7 3
5 4 -1 2

2. Verificar que
| |
|
\ .
-2 1
X =
1 3
es solucin de la ecuacin: .
2
X - X- 7I = O
3. Traspuesta de una matriz

14
3.1. Definicin: Dada la matriz
{ }
ij
m n
a

= A se denomina traspuesta de la
matriz A

o matriz traspuesta de A

a la matriz
{ }
ij
n m
a

' ' = A donde

, .
ij ji
a a i j
'
=
Coloquialmente la traspuesta de una matriz es aquella que resulta de
intercambiar las filas por las columnas.
Ejemplo:
| |
| | |

| |
\ .
|
\ .
t
2 -1
3 2 4
A = 3 A = 2
5 -1 2
5 4


3.2. Propiedades
( )
: :
m n
M o

e e A, B

( )
( )
( )
( )
.
.
.
.
i
ii
iii
iv
t
t t
t
t
t
t
t
t t
A+B = A +B
A = A
.A = .A
A.B = B .A


{ } { }
: ; 1, 2,....., ; 1, 2,.....,
ij ij
m n m n
Pruebas Sean a b i m j n

= = = = A B

{ }
( ) { } { } ( ) { } { } { }( )
{ } { } { } { } { } { }( )
( )
.
=
=
ij
m n
t
t t
t
ij ij ij ij ij ji
t t
t t
ij ij ji ji ji ji ji
t
t t
i c
a b a b c c I
a b a b a b c II

+ =
+ = + + = =
+ = + + = + =
+ = +
A B
A B
A B
A B A B

ii iii se proponen para el lector ya que son similares a la primera.
iv. se acepta axiomticamente de acuerdo a lo consignado en la observacin
de la primer pgina de este captulo.

3.3. Matriz simtrica

3.3.1. Definicin

15
Dada una matriz
{ }
ij
n
a = A

Ase dice simtrica sii 1, 2,..., , 1, 2,...,
ij ji
a a i n j m = = =
Ase dice antisimtrica sii 1, 2,..., , 1, 2,...,
ij ji
a a i n j m = = =

A continuacin se consideran dos ejemplos, uno de matriz simtrica y otro
de matriz antisimtrica. Se sugiere al lector estudiante que verifique que
cada una de las matrices siguientes satisface la condicin de tal.
0 3 7 1
3 0 2 9
/
7 2 0 8
1 9 8 0
matriz simtrica matriz antisimtrica

| |
| |
|

|
|

|
|
|
| \ .

\ .
2 3 1
3 -1 7
1 7 0


Observaciones
De la definicin anterior surge que la condicin para que una matriz sea
simtrica es que los elementos simtricos respecto de la diagonal principal
deben ser iguales, pudiendo ser los elementos diagonales elementos
cualesquiera.
Para las matrices antisimtricas, la condicin que debe cumplirse es
1, 2,..., , 1, 2,...,
ij ji
a a i n j m = = =

En particular debe cumplirse que: , 0 .
ii ii ii
i j a a a i
-
= = =

Luego sus elementos diagonales deben ser todos nulos y los simtricos
respecto de la diagonal principal son opuestos. Debe tenerse en cuenta que
estos elementos diagonales constituyen la diagonal principal de la matriz.

3.3.2. Propiedades
Las siguientes propiedades son vlidas para cualquier matriz cuadrada y
satisfacen lo siguiente:
a. Una matriz es simtrica sii coincide con su traspuesta.
b. Una matriz es antisimtrica sii coincide con la opuesta de su traspuesta.
c. El producto de toda matriz por su traspuesta es una matriz simtrica.
d. La suma de toda matriz y su traspuesta es una matriz simtrica.
e. La diferencia de toda matriz y su traspuesta es una matriz antisimtrica.
f. Toda matriz cuadrada es la suma de una matriz simtrica y de otra
matriz antisimtrica.

Pruebas:

16
{ } { }
{ } { }
. 1, 2,....., ; 1, 2,.....,
ij ji
t t
ij ji
a es simtrica a a i m j n
a a
= = =
= = = =
A
A A A A

{ } { }
{ } { }
. 1, 2,....., ; 1, 2,.....,
ij ji
t t
ij ji
b es antisimtrica a a i m j n
a a
= = =
= = = =
A
A A A A


c. Para probar esto, basta con hacer la traspuesta del producto generado
por una matriz cuadrada y su traspuesta, se ver que la traspuesta del
producto coincide con el producto sin trasponer. Si esto se obtiene significa
por la propiedad a. que el producto generado es simtrico.
( ) ( )
( )
es simtrica
=
=
t t t
t t t
t
t t t
A.A A .A = A.A
A.A A.A A.A


d. Se sigue un proceso parecido a c. para esta prueba.
( )
( )
( )

t
t t
t
es simtrica
| |
+ = + + = +
|
\ .
+ = + +
t t
t t
t
t t
A A A A = A A A A
A A A A A A


e. Proceso similar a d. para esta prueba
( )
( )
( ) ( )
( ) ( )

t
t t t
t
es antisimtrica
| |
= = + =
|
\ .
=
t t
t t
t
t t
A A A A = A A A A A A
A A A A A A


( )
( ) ( )
( ) ( )
.

n
f M es simtrica y es antisimtrica
es simtrica y es antisimtrica
e

t t
t t
t t
A A+A A- A
1 1
A+A A- A
2 2
1 1
A+A + A- A = ....... = A
2 2


Se observa entonces que result que una matriz cuadrada cualquiera puede
ser generada por la suma de una matriz simtrica y otra matriz
antisimtrica.


17
4. Operaciones y matrices elementales

4.1. Operaciones elementales en una matriz
A la hora de aplicar las matrices al estudio de los sistemas de ecuaciones
lineales, y para estudiar las propiedades de los determinantes, una
herramienta esencial consiste en las llamadas transformaciones elementales
de matrices, que se definen como sigue.
Las transformaciones elementales de filas o columnas que se pueden aplicar
a una matriz, son las siguientes:
1. Intercambiar dos filas entre s o de dos columnas entre s.
2. Multiplicar una fila o una columna por un escalar no nulo.
3. Aadir a una fila un mltiplo no nulo de otra o equivalentemente una
columna.

Si se efectan operaciones elementales sobre las filas o sobre las columnas
de una matriz, se obtiene otra matriz. Y, cul es el objeto?
Anular elementos de alguna/s lnea/s fila/s o columna/s
Para qu?
Para calcular determinantes, la inversa de una matriz o resolver sistemas de
ecuaciones lineales de cualquier tamao.

A partir de estas operaciones elementales sobre las lneas de una matriz se
obtiene la siguiente:
Definicin:
Diremos que dos matrices son equivalentes por filas o columnas si podemos
obtener una, a partir de la otra, mediante transformaciones elementales de
filas o columnas.

En virtud de las transformaciones elementales de filas o columnas, podremos
siempre transformar cualquier matriz en otra, equivalente por filas o
columnas, reducindola a formas ms elementales.
Ejemplo:

Efectuar operaciones elementales en la siguiente matriz.

| |
|
|
|
|
\ .
1 2 1 -1
0 1 1 2
A =
0 1 2 -1
2 2 -1 2


18
( ) ( ) ( )
( )
3
4
| | | | | | | |
| | | |
| | | |

| | | |
| | | |
\ . \ . \ . \ .
| |
|
|

|
|
\ .
1 2
0 0 0 0 0 0 0 0 0 1 2 1 -1 1 1 1
0 3 0 3 0 -3 1 1 2 1 -1 -1 -1 -1 1 1
A =
0 0 0 0 1 2 -1 1 2 -1 1 2 -1 1 2 -1
-3 0 -3 0 -3 2 2 -1 2 2 -2 4 -2 4 -2 4
0 0 0 1
0 0 0 1
0 1 1 2
0 -2 -1 -2
( ) ( ) ( ) 5 6 7
| | | | | |
| | |
| | |

| | |
| | |
\ . \ . \ .
0 0 0 0 0 0 0 0 0 1 1 1
0 0 0 0 0 0 0 0 0 1 1 1
0 0 0 0 0 0 0 0 1 2 1 1
0 0 0 0 0 0 0 0 0 -1 -2 -1


(1) A la segunda columna se le sum la primer columna multiplicada por 2
A la tercera columna se le sum la primer columna multiplicada por 1
A la cuarta columna se le sum la primer columna
(2) A la segunda fila de la matriz obtenida en (1) se le sum la primer fila
multiplicada por 1
A la cuarta fila se le sum la primera multiplicada por 2
(3) Se multiplic la segunda fila de la matriz (2) por 1
(4) A la tercera columna se le rest la segunda multiplicada por 1
A la cuarta columna se le sum la segunda por 3
(5) A la tercera fila se le rest la segunda
A la cuarta fila se le sum la segunda multiplicada por 2
(6) A la cuarta columna se le rest la tercera multiplicada por 2
(7) A la cuarta fila se le sum la tercera

4.2. Mtodo de GaussJordan
4.2.1. Introduccin
Las operaciones elementales descriptas precedentemente en un ejemplo
concreto pueden condensarse en el denominado mtodo de GaussJordan
cuyo algoritmo se describe a continuacin:
El mtodo que se describir a continuacin permite mediante un nmero finito
de operaciones elementales convertir la mayor cantidad de elementos de la
misma en ceros. Sealamos que se opera exclusivamente sobre las filas de la
matriz y que el mtodo que a continuacin se expone, se aplica, como se
expuso a un principio, para determinar el rango de una matriz ya se ver
que significa ; determinantes; clculo de matrices inversas y resolucin de
sistemas de ecuaciones lineales.

19
Esencialmente mediante el siguiente mtodo que esconde en definitiva, la
realizacin de operaciones elementales sobre la matriz, se trata de formar el
mximo nmero posible de vectores cannicos linealmente independiente
(recordar que cada lnea de una matriz es un vector)
4.2.2. Descriptiva del mtodo
Considrese una matriz no nula. Se elige cualquier elemento no nulo, al cual
se lo denomina pivote. Para fijar ideas, y sin prdida de generalidad,
supongamos que el pivote es el elemento
11
a a = y consideremos el siguiente
esquema matricial, en el que solo se indican solo algunos elementos.

Nota: Es conveniente siempre elegir a la unidad como pivote. En caso que
esto no ocurra, se divide la primer fila por 0 a = , o sea, multiplicando por el
recproco de pivote obtenindose lo siguiente:

En la etapa siguiente, se reducen a cero los restantes elementos que figuran
en la columna del pivote. Entonces a la segunda fila se le suma la primera
multiplicada por
d
a
. De este modo d se transforma en 0, e se transforma en
db
e
a
, y se transforma en ,
dc
f
a
obtenindose entonces:


20
Si
31
a g = , en la misma etapa, al sumarle a la tercera fila, la primera
multiplicada por ,
g
a
entonces g se transforma en 0. Y si
32
, a h = entonces h se
transforma en .
gb
h
a
En las dos etapas descriptas se ha obtenido un vector
cannico en la columna del pivote.
Se observa que en la matriz dada, todo elemento que no figure en la fila, ni en
la columna del pivote, forma con este una diagonal de un rectngulo. Los
otros dos vrtices determinan lo que se denomina la matriz diagonal. Por
ejemplo, asociado al elemento e se tiene que:

Como el transformado de e es ,
db
e
a
se opera as:
El transformado de cada elemento que no figure en la fila y columna del
pivote es igual a la diferencia entre dicho elemento y el producto
contradiagonal dividido por el pivote.
En las etapas siguientes se reitera el procedimiento eligiendo un pivote que no
figure ni en las filas ni en las columnas anteriores. De este modo las
operaciones elementales indicadas preservan a los vectores cannicos.
El procedimiento se termina cuando no es posible obtener ningn pivote
(distinto de cero) en las condiciones ya sealadas.

4.2.3. Rango de matrices
Se aplicar el mtodo primeramente para obtener el rango de una matriz.
Definicin:
El rango de una matriz es el nmero mximo de vectores fila o columna el
rango puede ser rango fila o rango columna linealmente independientes.

El ejemplo de 4.1. mostr la transformacin de una matriz por operaciones
elementales. Tal transformacin permite observar el rango de la matriz, donde
se ve que hay una fila de ceros y el resto con mnimamente un elemento no
nulo. Por ende puede afirmarse que el rango de esa matriz es tres.

21
4.2.4. La columna de control
Esto es opcional pero es un buen parmetro para controlar que el mtodo de
Gauss ha sido aplicado secuencialmente de forma apropiada y es la columna
de control. Opcionalmente a cada matriz puede agregrsele la denominada
columna de control, donde cada fila de esa tal columna es igual a la suma de
los elementos de la fila correspondiente de la matriz. Tiene como objeto el
control de que lo que se est haciendo est bien, pues si en cada paso la
suma de cada fila es igual al correspondiente fila de la columna de control,
quiere decir que el trabajo est correctamente hecho. El ejemplo siguiente est
realizado con la columna de control.

4.2.5. Clculo del rango por Gauss
Mediante el mtodo de Gauss, obtener el rango de la siguiente matriz A.
( )
| |
|
|
|
|
\ .

| | | | | | | | | | | |
| | | | | |
| | | | | |

| | | | | |
| | | | | |
\ . \ . \ . \ . \ . \ .
*
1 2 1 -1
0 1 1 2
A =
0 1 2 -1
2 2 -1 2
3 3 -1
0 -3 0 0 1 2 1 -1 1 2 1 -1 1 1 1 7
4 1 3
0 0 3 0 0 0 0 1 1 2 -1 -1 1 2 1 2
2 2 2
0 0 0 0 0 -5 1 2 -1 1 2 -1 1 2 -1 1
5 -1 3
0 -3 0 0 0 0 2 2 -1 2 -2 4 1 2

| | | |
| |
| |
| |
| |
\ .\ .
8
3
-4
0
0 0
( ) - columna de control
Con la ltima matriz finaliza el proceso, ya que no pueden elegirse ms
pivotes, en virtud que faltaba elegir an en la cuarta fila y se anul
ntegramente.
Si se observa la ltima matriz puede verse que hay tres filas con un elemento
no nulo por lo menos, mientras que la ltima fila es ntegramente de ceros, por
lo tanto el rango de la matriz, cuya simbolizacin es la siguiente es tres.
( ) 3 = A
4.2.6. Comprobacin del rango
A continuacin se verificar que en efecto el rango de la matriz A es 3, pero
Cmo?
Considerando los tres vectores filas de la matriz que poseen como mnimo un
nico elemento no nulo. Se generar la combinacin lineal de tales vectores y
se ver que tal C.L. admite la solucin trivial.

22
Consideremos el conjunto de vectores fila:
( ) ( ) ( ) { }
( ) ( ) ( ) ( )
1 2 3
1 2 3
1, 0, 0, 7 ; 0, 0,1, 2 ; 0,1, 0, 5
1, 0, 0, 7 0, 0,1, 2 0,1, 0, 5 0, 0, 0, 0
0 . .
A
solucin trivial A es L I
o o o
o o o
=
+ + =
= = =


En consecuencia, A es un conjunto linealmente independiente y 3 es el
nmero mximo de vectores fila que pueden obtenerse de la matriz original
formada por cuatro vectores fila.
Propiedad: El rango fila o rango columna obtenido de una matriz, no vara si
en la misma se efectan operaciones elementales en la matriz original.
Se acepta sin demostrar.
Actividad de Aprendizaje VI
Calcular el rango de las siguientes matrices utilizando el mtodo de Gauss
Jordan.
. ; . ; . ; . ;
. ; .
i ii iii iv
v vi
| |
|
| | | |
|
| |
| |
|
|
| |
|
|
| |
| |
| | \ .
|
\ . \ .
|
\ .
| |
|
|
|
\ .
1 1 1 1
0 0 0 3 5 1 1 1 4 -2 1 1 1
2 -1 2
0 -3 2 1 2 1 4 1 1 1 1 4 1
A = -3 -1 0 B = C = D =
0 0 0 3 3 1 1 2 1 -1 1 1 1
0 0 -1
0 0 3 0 2 2 2 -1 2 2 1 1 1
3 1 2 4
3 6 9 1 2 3 1 -2
0 3 E = 4 5 6 F = -1 -1 1
7 8 9 2 4 1 -2
: .3; .3; .2; .4; .2; .3 Rtas i ii iii iv v vi
| |
|
|
|
\ .
6


5. El determinante de una matriz

5.1. Submatriz
Definicin: Dada una matriz A de orden m n , si eliminamos de ella algunas
filas y/o columnas, obtendremos una nueva matriz que denominaremos
submatriz de la matriz A.
Ejemplo:

23
Sea la matriz:
| |
|
|
|
|
|
\ .
2 0 1 4
3 1 / 2 2 5
A =
6 7 8 1
0 5 4 -6
, las siguientes son todas submatrices de
A y se detallan a continuacin:
etc
| |
| |
| |
|
| | | | |
|
|
| | |
|
|
\ . \ .
|
|
| \ .
\ .
\ .
| |
|
\ .
4
2 0 4
1 / 2 2 5
5 8 1
0 2 1 4
B = ;C = 6 7 1 ;D = ;E= 7 8 1 ;F = ;
4 -6 1
3 1 / 2 5 2
0 5 -6 5 4 -6
-6
7 8
G = ,
5 4

Por ejemplo, la submatriz B se obtiene de A de eliminar las tres primeras
columnas; la submatriz C se obtiene de eliminarla tercer columna y la
segunda final, y as con todas las submatrices mostradas como ejemplo

5.2. Definicin de determinante
Vamos a definir una funcin que se aplica en el conjunto de las matrices
cuadradas complejas de orden n en complejos, de acuerdo a la siguiente ley
que as se expresa simblicamente:

( )

n
A : M C C
A A = n

Ese nmero es el que se tratar de definir a travs de la funcin determinante
y cuya definicin se realizar por induccin sobre el orden n del conjunto de
matrices cuadradas de orden n sobre complejos.
Entonces la funcin determinante es una aplicacin cuyo dominio es un
subconjunto del conjunto de matrices cuadradas de orden n en Complejos y
cuyo recorrido es un subconjunto de los complejos.
Entonces, Cmo definimos ese nmero?

Inductivamente sobre el orden de la matriz.
. 1 i n =
11
A = a
ii. Supuesto definido el determinante de matrices de orden n 1, entonces
para el orden n resulta el siguiente determinante, cuya estructura se detalla a
continuacin, y que simboliza al desarrollo de un determinante por una

24
columna dejando fijas las filas en la prctica, se elige una fila y se la deja
fija, si se adopta esta forma.

( )
( )
=

11 12 13 1n
21 22 23 2n
m
i+n
in in
i=1
elemento I menor
complementario
adjunto o cofactor
m1 m2 m3 mn
1+n
1n
a a a .......a
a a a .......a
A = ........................... = -1 M a =
...........................
a a a .......a
-1 a
( ) ( )
2+n m+n
1n 2n 2n mn mn
M + -1 a M +..... + -1 a M

De forma anloga se plantea el de orden n pero desarrollado por una fila
dejando fijas las columnas en la prctica, se elige una columna y se la deja
fija, si se adopta esta forma.

( )
( ) =

11 12 13 1n
21 22 23 2n
n
m+j
mj mj
j=1
elemento I menor
complementario
adjunto o cofactor
m1 m2 m3 mn
m+1
m1
a a a .......a
a a a .......a
A = ........................... = -1 M a =
...........................
a a a .......a
-1 a ( ) ( )
m+2 m+n
m1 m2 m2 mn mn
M + -1 a M +..... + -1 a M

donde con / 1, 2,......,
in
M i n = se indica el determinante de la submatriz de
orden n 1 que se obtiene de la matriz A por eliminacin de la fila i y la
columna j. Segn que la suma de tal eliminacin genere una potencia par o
impar ser el signo, de ah el opuesto de la unidad que aparece en la frmula.
De hecho que todo esto obedece a cuestiones ms profundas y complejas que
caen fuera de los objetivos de este curso, pero intrnsecamente la frmula de
determinante obedece a las permutaciones pares o impares que se pueden
dar en un determinado conjunto.
5.3. Adjunto de un elemento
Llamaremos adjunto o cofactor o tambin complemento algebraico del
elemento
ij
a de la matriz A y lo simbolizamos con ( )
i+j
ij ij
A = -1 M , es decir,
que asociado al elemento
ij
a se tiene el adjunto cuya simbolizacin ya
conocemos:
ij
a . A cada elemento
ij
a de la matriz le corresponden el producto

25
de
ij
M por el opuesto de la unidad elevado a la suma de la fila i y de la
columna j .
5.4. Definicin de menor complementario
Dada una matriz
( )
e
mn
A M C se llama menor o menor complementario
del elemento
ij
a , el determinante de la matriz de orden n 1 que se obtiene de
A, suprimiendo la fila i y la columna j. Lo simbolizamos
ij
M al menor
complementario de
ij
a . Un ejemplo concreto:

1 -2 3 1
0 1/ 2 1 3
A =
4 3 0 -1
-2 4 2 2


Suprimiendo en la matriz precedente la fila 2 y columna 3, se obtiene el
menor complementario:
23
1 -2 1
M = 4 3 -1
-2 4 2
, siendo el adjunto correspondiente
a la matriz dada:
( )
.
2+3
23
1 -2 1
A = -1 .1. 4 3 -1
-2 4 2

5.4. Clculo de determinantes elementales
5.4.1. El determinante de orden 2

( ) ( ) ( )
( ) ( )
| |

|
\ .

11 12 11 12
21 22 21 22
2
i+2 1+2 2+2
11 12
i2 i2 12 12 22 22
i=1 21 22
a a a a
a a a a
3 4
12 21 22 11 12 21 22 11
a a
A = A = -1 .a .M = -1 .a .M + -1 .a .M =
a a
= -1 .a .a + -1 .a .a = -a .a +a .a

Debe observarse que el determinante precedente se desarroll por filas
dejando fija la segunda columna y moviendo cada una de las filas. El valor
obtenido, no difiere del obtenido por el estudiante tal como lo aprende en el

26
ciclo medio y lo revisa en el curso de ingreso, cuando realiza el siguiente
producto sin saber la gnesis del mismo. Este es ms usualmente conocido de
la forma siguiente, como se describe a continuacin:

Se lo obtuvo precedentemente de la forma siguiente, conociendo la gnesis del
problema: ............
| |
=
|
\ .
11 12
12 21 22 11
21 22
a a
A = A = -a .a +a .a
a a


| |

|
\ .
a b
A = A = ............ = a.d- b.c
c d

5.4.2. Apropindonos de la definicin de determinante
A los efectos de que el lector estudiante se apropie de la definicin de
determinante, cuya notacin no es simple de adquirir, se propone el siguiente
ejercicio a tales efectos. Entonces se propone al lector que desarrolle el
siguiente determinante de orden 2, utilizando la definicin, dejando fija: La
segunda fila; b. la primera fila; c. la segunda columna; d. la primera columna.
( )
( ) ( ) ( ) ( ) ( )
( )
( ) ( )
3 4
.
1 . 3 .2 1 .4.1 ..... 10

.
j
j j
j
a
b
+ | |
=
|
\ .
= = + = =
=
= =

2
2
2 2
=1
2+1 2+2
21 21 22 22
1 2 1 2
-3 4 -3 4
2
1+j
1j 1j
j=1
1+1 1+2
11 11 12 12
1 2 1 2
-3 4 -3 4
1 2
A = A = -1 .a .M
-3 4
-1 .a .M + -1 .a .M
A = -1 .a .M
-1 .a .M + -1 .a .M ( ) ( ) ( )
3 3
1 .1.4 1 .2. 3 ..... 10 + = =


( ) ( ) ( )
( ) ( ) ( )
.
2 3 4 4 ........ 10
c
=

2
i +2 1+2 2+2
i2 i2 12 12 22 22
i =1
1 2 1 2
-3 4 -3 4
3 4
A = -1 .a .M = -1 .a .M + -1 .a .M =
= -1 . . + -1 . . =


27

( ) ( ) ( )
( ) ( ) ( )
.
2 3 4 4 ........ 10
d
=

2
i+1 1+1 2+1
i1 i1 11 11 21 21
i=1
1 2 1 2
-3 4 -3 4
3 4
A = -1 .a .M = -1 .a .M + -1 .a .M =
= -1 . . + -1 . . =


5.4.3. Interpretacin geomtrica del determinante de orden 2
En referencia al determinante de orden 2, dado con letras en 5.4.1., nos
proponemos entonces en este prrafo analizar su interpretacin geomtrica.
Supongamos que se tienen dos vectores:
( ) ( )
1 2
, ; , v a b v c d = = . Estos vectores
definen un paralelogramo, cuyos vrtices son los puntos siguientes:

( ) ( ) ( ) ( )
0, 0 ; , ; , ; , a b c d a c b d + + . As el rea del paralelogramo cuyos puntos
se detallaron precedentemente resulta: A ad bc = .
En efecto, si se dibuja el paralelogramo, se puede ir transformndolo (como en
la figura precedente) manteniendo siempre su rea, hasta obtener un
rectngulo.
La base de este rectngulo es a . Por lo tanto, para hallar su rea slo hay
que conocer su altura. Pero la altura la da el punto de corte con el eje de
ordenadas, de la recta que une los puntos
( ) ( )
, , . c d y a c b d + +

La ecuacin de esta recta se puede generar del modo siguiente, a partir de la
clsica frmula de las funciones lineales: y mx h = + .

Primero trataremos de hallar la pendiente de esta recta que pasa por los
puntos indicados, para ello evaluamos la funcin precedente de forma
independiente en cada uno de estos puntos, de la forma siguiente:

( )
( ) ( )
,
,
d mc h recta que pasa por c d
b d m a c h recta que pasa por a c b d
= +
+ = + + + +


28
Si restamos miembro a miembro, las ecuaciones precedentes, puede
obtenerse la pendiente:
( )
( ) ( )
d mc h
b d m a c h
b
d b d mc m a c b m c a c m
a
= +
+ = + +

= + = =

Si sustituimos el punto de paso
( )
, c d por la ecuacin de la recta que pasa por
este punto y el valor de la pendiente hallada, resulta entonces:
( ) ( ) ( ) ( )
0 0 0
,
b
y f x m x x si x c f c d y d x c
a
= = = =
De esta recta, de acuerdo a lo antes expuesto, se requiere obtener el punto de
interseccin con el eje de abscisas, para ello, basta con anular la abscisa,
obtenindose:
( )
0 ,
b bc
y d c y d
a a
= = resultando el rea del
paralelogramo original entonces: . . . .
x
y
bc
A a d a d b c
a
| |
= =
|
\ .

Este resultado puede extenderse a matrices de tamao mayor, como se
desarrollar en el prrafo siguiente.
5.4.4. El determinante de orden 3
( )
( ) ( ) ( )
3
3 3 3
| |
|

|
|
\ .

11 12 13 11 12 13 11 12 13
21 22 23 21 22 23 21 22 23
31 32 33 31 32 33 31 32 33
11 12 13
i+3
21 22 23 i3 i3
i=1
31 32 33
1+ 2+ 3+
13 13 23 23 33 33
a a a a a a a a a
a a a a a a a a a
a a a a a a a a a
a a a
A = a a a A = -1 .a .M =
a a a
= -1 .a .M + -1 .a .M + -1 .a .M =

( ) ( ) ( )
( ) ( ) ( )
4 5 6
21 22 11 12 11 12
13 23 33
31 32 31 32 21 22
13 21 32 22 31 23 11 32 12 31 33 11 22 32 21
a a a a a a
= -1 a + -1 a + -1 a =
a a a a a a
= a a .a - a .a - a a .a - a .a +a a .a - a .a

El determinante precedente se calcul por el desarrollo de filas dejando fija la
tercer columna. Debe destacarse que para el clculo de determinantes de
orden 2, se puede utilizar la regla clsica aprendida por el lector en el ciclo

29
medio y revisada en el curso de ingreso. Esto no se extiende para
determinantes de orden 3.
5.4.5. Interpretacin geomtrica de determinantes de orden 3
La interpretacin geomtrica de determinantes de orden 3, de forma extensiva
a los determinantes de orden 2, puede interpretarse como el volumen del
paraleleppedo determinado por sus vectores fila en ese orden. Y esto es
lgico en virtud de la interpretacin geomtrica del producto mixto y la
disposicin prctica del mismo en forma de determinante de orden 3.
Esta interpretacin geomtrica se puede hacer extensiva a cualquier
determinante de orden n, como el hipervolumen de un hiperparaleleppedo de
la dimensin a la que corresponda el orden del determinante.
5.5. Clculo de determinantes de rdenes superiores
Consideremos un ejemplo concreto de una matriz de orden 4, y el clculo de
su determinante, al que calcularemos dejando la primer fila fija, y en esta
eleccin debe destacarse que hay un acto de conveniencia, ya que los
elementos interseccin son cero, y generan un producto nulo. Por ende esos
trminos se anulan y esto agiliza el clculo del mismo. Esta accin debe ser
general y la eleccin de cmo desarrollar el determinante debe apuntar a
dejar fija la fila o columna con mayor cantidad de ceros.

( )
( ) ( ) ( ) ( )
( )
| |
|
|
|
|
\ .

4
1+j
1j 1j
j=1
0 0
-1
0 0 1 1
1+1 1+2 1+3 1+4
11 11 12 12 13 13 14 14
4 2 1 -1 2 1 -1 4 1 -1 4 2
2 1 0 -1 1 0 -1 2 0 -1 2 1
1 0 1 0 0 1 0 1 1 0 1 0
1 0 0 1
-1 4 2 1
A = A = -1 .a .M =
-1 2 1 0
0 1 0 1
= -1 . a .M + -1 . a .M + -1 . a .M + -1 . a .M
( ) ( ) ( )
( ) ( ) ( ) ( )
3+1 3+3 3+2
=
2 1 4 2 -1 2
= -1 .1. + -1 .1. - -1 .1. =
1 0 2 1 -1 1
= 0 - 1 + 4 - 4 - -1 .1. -1+ 2 = ........ = 0


Debe destacarse que los determinantes de orden 3 que quedaron se
desarrollan por la ltima fila. En el primero en virtud que tiene un solo cero, y
en el segundo caso, porque tiene dos ceros.

30
Actividad de Aprendizaje VII
1. Calcular los siguientes determinantes, cuando queden determinantes de
orden 2, se acepta la regla elemental para su clculo, pero para orden 3 en
adelante deben hacerse por la definicin.
1 3 0 1 5 0 2 0 5 0 -1 1
0 4 5 0 1 -1 2 1 -1 1 -2
a. A = ;b. B = ;c. C = ;
-1 7 -6 1 3 -3 1 0 4 -4 2 1
2 0 1 0 4 -2 1 0 -2 1 1 0
0 0 3 0 1 1 2 1 2 4
3 2 -5 4
3 0 6 0 3 -1 1 1 1 1
2 4 2 -3
d. D = ;e. E = ;f. F =
0 1 2 1 2 4 1 7 1 2
4 3 6 -2
3 0 0 8 3 0 -1 2 2 2
5 -4 2 3
3 5 0 1 1 1 1 2 4 4
Rtas : a.80;b.14;c.63;d.5;e. - 523;f.108


2. Resolver las siguientes ecuaciones:
1 7 1 7
: .6; . 1, 4; . ,
2 2
Rta a b c
+

2 -1 0
2 x - 4 x x +1
a. = 0;b. = 0;c. 4 2x -3 = 0
4 4 -4 x +1
-2 2 x
3. Calcular en cada caso, el valor de , e si existe, de modo que la ecuacin
tenga races reales e iguales.
29
: . 3, 3; .
10
Rta a b
2
x 3 1
x -
a. = -3;b. -1 2x = 0
2x 1
2 1 2


5.6. Propiedades de los determinantes

Las siguientes propiedades sern expuestas pero no demostradas, por ende
se sugiere al lector estudiante que se tome el trabajo de verificar a cada
propiedad con varios ejemplos.

31
5.6.1. El determinante de una matriz y el de su traspuesta son iguales.
Verificarlo

5.6.2. Si dos matrices cuadradas A y B tienen sus lneas iguales, salvo una
en la que los elementos de la de B, son los de A multiplicados por una
constante e c compleja, resulta entonces que:
B = c A .
Observacin: Esta propiedad permite extraer factor comn en los
determinantes.
Ejemplos:
1 2 2 4
A = ; B = = 2 A
3 3 3 4
1 2 -1 2 2 2 2
A = 2 0 1 ; B = 2 0 1 = 2 A
2 2 8 2 2 8

Debe destacarse que el factor comn puede extraerse de cada fila, de varias
filas, o de cada columna o varias pero no de forma mixada.
Ejemplo:
4 2 8 2 1 4
A = 2 0 1 = 2.2. 2 0 1
2 2 8 1 1 4

5.6.3. Si en un determinante se intercambian entre si dos lneas paralelas, el
determinante cambia de signo pero no de valor absoluto.
Ejemplo:
1 2
A = = ..... = -2
3 4
2 1
B = = ..... = 2
4 3

5.6.4. Si un determinante tiene dos lneas paralelas iguales entonces vale 0.
Nota: Esta propiedad fue introducida en el prrafo 0 del captulo de vectores.

5.6.5. Si un determinante tiene dos lneas paralelas proporcionales (una lnea
es combinacin lineal de otra) entonces vale 0.

Se sugiere al lector estudiante que los dos ejemplos siguientes, los desarrolle
para verificar que en efecto cada determinante vale 0.

32
Ejemplo:
1 2 3 4
2 4 0 1 -1 0
A = ; B =
1 2 -2 -4 -6 -8
0 1 -1 -1


5.6.6. Si un determinante tiene una lnea formada por la adicin de dos
sumandos resulta que es igual a la suma de dos determinantes en los que la
lnea respectiva est formada por los elementos que corresponden a los
primeros sumandos y a los segundos sumandos respectivamente.


3+1 2 1 3 2 1 1 2 1
2- 1 -1 -1 = 2 -1 -1 + -1 -1 -1 ;
1+0 3 0 1 3 0 0 3 0
1 2+ 2 2 1 2 2 1 2 2
0 1+0 1 = 0 1 1 + 0 0 1
-1 -1+1 0 -1 -1 0 -1 1 0

5.6.7. Si en un determinante a una lnea se le suma una combinacin lineal
de las restantes lneas paralelas, el determinante no vara.
Ejemplo:

( )
( ) ( ) =
3+4
1+1
5 0 -1 1 0 0 0 1
11 -1 -1
1 -1 1 -2 11 -1 -1 -2
A = = = -1 .1. -1 -4 3 =
4 -4 2 1 -1 -4 3 1
-2 1 1
-2 1 1 0 -2 1 1 0
9 0 0
-7 0
5 -7 0 = -1 .9. = 9. -7 = -63
1 1
-2 1 1

En el ejemplo precedente, en el primer determinante se sum la cuarta
columna a la tercera, y la cuarta multiplicada por 5 a la primera; luego se
aplic la definicin de determinante, desarrollando el determinante obtenido
por la cuarta columna, dejando fija la primera, generando un determinante de
orden 3 al que, se le sum la tercer fila a la primera y la tercera multiplicada
por 3 a la segunda. El determinante obtenido se desarroll por la definicin
de determinante, desarrollndolo por la primer columna, dejando fija la
primer fila.

33
5.6.8. Si en un determinante son nulos todos los elementos de una lnea,
resulta que el determinante vale cero.

5.6.9. El determinante del producto de dos matrices es igual al producto de
los determinantes. La propiedad puede extenderse a un nmero finito de
matrices.

5.6.10. El determinante de toda matriz diagonal es igual al producto de los
elementos diagonales.
Ejemplo: ( ) =
1 0 0 0
0 2 0 0
A = 1.2.3. -4 = -24
0 0 3 0
0 0 0 -4


5.6.11. ( ) e e
n
n
A M C : C: .A = . A
Ejemplo: Supongamos que B es una matriz de orden 4 y es tal que: B = 4,
resulta entonces que:
4
2.B = 2 .4 = 64

5.6.12. Determinante de Vandermonde
Se lo desarrollar para el caso elemental de orden 3 y luego se lo
generalizar para determinantes de orden n sin demostrarlo
El determinante de Vandermonde es todo aqul cuyas lneas son potencias
sucesivas de un mismo nmero, a partir del exponente cero.

( )( )( )
( )
( )
( )
( ) ( )
( ) ( ) ( )
2
2
2 2 2 2
2 2
2 2 2
2 2 2
2
1+1
2
1 a a 1 1 1
1 b b = a b c = b- a c - a c - b
1 c c a b c
prueba:
1 a a 1 a - 1.a a - a.a 1 0 0
1 b b = 1 b- 1.a b - b.a = 1 b- 1.a b - b.a =
1 c c 1 c - 1.a c - c.a 1 c - 1.a c - c.a
b- a b. b- a 1 b b- a b - b.a
= -1 .1. = = b- a . c - a . =
c - a c. c - a 1 c c - a c - c.a
= b- a . c - a . c - b


34
Ejemplo: ( ) ( ) ( )
1 2 4
A = 1 3 9 = 3- 2 . 4 - 2 . 4 - 3 = ...... = 2
1 4 16

Generalizamos ahora el determinante en cuestin

( )
1 2 n
2 2 2
1 2 n
n-1 n-1 n-1
1 2 n
*
1 1 1 1 1 .................. 1
x x .................... x
x x ................... x
= V
.................................
.................................
x x ............. x
( )
( )( )( ) ( ) ( )
( )( )( ) ( ) ( )( )( ) ( )
1 2 n
2 1 3 1 4 1 n 1 2 3 n
2 1 3 1 4 1 n 1 3 2 4 2 4 2 n 2
3 4
x , x , ...................., x =
= x - x x - x x - x ............ x - x .V x , x , ...................., x =
= x - x x - x x - x ............ x - x . x - x x - x x - x ............ x - x .
.V x , x , ...................., ( )
n
x


( ) - Siempre la ltima lnea va elevada a un nmero menor correspondiente al
del orden del determinante.

Ejemplos:
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) =
1 2 3 4 5
2 2 2 2 2
1 2 3 4 5
3 3 3 3 3
1 2 3 4 5
4 4 4 4 4
1 2 3 4 5
2 1 3 1 4 1 5 1 3 2 4 2 5 2 4 3 5 3 5 4
1 1 1 1
2 3 4 2
1. = 3 - 2 . 4 - 2 . 2 - 2 . 4 - 3 . 2 - 4 = 0
4 9 16 4
8 27 64 8
x x x x x
x x x x x
2. =
x x x x x
x x x x x
x - x . x - x . x - x . x - x . x - x . x - x . x - x . x - x . x - x . x - x

Actividad de Aprendizaje VIII

35
1. Determinar si resolver el determinante siguiente, para que valores de
oe , si existen, resulta nulo el determinante siguiente. Justifica la
respuesta.

1 2 1 4
3 6 3 -1
A =
1 2 4
0 7 0 -3

2. Calcular el determinante siguiente, sin efectuar su desarrollo. Justifica
la respuesta.
4 0 12
A = 2 2 6
-1 1 -3

3. Calcular, si existe, / . xe A = 0
2
3
x x x x
2 1 -2 x
A =
4 1 4 x
8 1 -8 x

4. Calcular los determinantes de las siguientes matrices, justificando
tericamente las respuestas, cuando corresponda.

; ; ;
;
| |
| |
|
| |
|
| | |
|
|
| |
|
|
| |
|
|
|
|
| \ .
|
| \ .
|
|
\ .
\ .
| |
| |
|
|
|
|
|
|
\ .
\ .
1 0 2 -1
1 2 0 0 1
2 2 1 -1
1 0 2 2
0 2 1 1 2 1 1 1
1 0 1 1
1
A = B = 1 2 1 C = D = ; 0 1 0 1 1
1 0 2
0 1 1 -1
2
0 2 1 0 1 0 1 1
-1 0 -1 -1 1
0 1 -1
1 0 0 1 1
2
2 2 78
2 0 0 1 2
0 0
E = 0 ;F = 0 4 0 G = -1
5 0 0 -1 4
| |
|
| |
|
|
|
\ .
|
|
\ .
1204 50230
0 0
;H =
2408 100460
9 -89 0 1
154 -1 0 0

5. Calcular el siguiente determinante, sin efectuar el producto del escalar
por el determinante de B, conociendo que su determinante es el que se
informa a continuacin:
1 0 0 0
0 25 0 0
2.B si B =
0 0 2 0
0 0 0 2


36
Respuestas:
1 por 5.6.4.; 2. 0 por 5.6.5.; 3. 0,1,2,-2 por 5.6.12.; 4. A:0 por 5.6.5.; B:0 por
5.6.4.; C:0 por 5.6.4.; D:0 por 5.6.5.; E:imposible por la definicin de
determinante; F:-8 por 5.6.10.; G:0 por 5.6.8.; H:0 por 5.6.5.; 5. 2
4
.100=1600
por 5.6.12. y 5.6.10.

5.7. La regla de Cho
La regla de Cho es una combinacin del mtodo de GaussJordan con la
definicin de determinante, y consiste en hacer la mayor cantidad de ceros
posibles en el determinante como si fuera una matriz. Esto por 5.6.7. hace
que este no vare y luego se lo desarrolla por la definicin de determinante,
obtenindolo por el desarrollo de alguna fila o columna, dejando fija fila o
columna elegida por la mayor cantidad de ceros posibles que este posea. A
diferencia de la aplicacin del mtodo de Gauss con matrices, a la hora de
dividir una fila para obtener un pivote unidad, lo que se hace es extraer factor
comn en el determinante operando por la propiedad 5.6.2.
Debe destacarse que en este proceso deben tenerse presentes las
propiedades de los determinantes, como puede observarse en el siguiente
ejemplo que se desarrolla a continuacin

( )
( ) ( ) ( ) (

4+4
2+3 1+2
3 -2 4 1 0 -4 4 0
0 -4 4 -36 -20 0
0 2 -1 3 -9 -4 -1 0
A = = = -1 .1. -9 -4 -1 = - 9 4 1 =
2 3 -3 -2 8 7 -3 0
8 7 -3 35 19 0
3 2 0 1 3 2 0 1
36
-36 -20 36 / 20 1 1 4
= - -1 = - - -20 . = -20. = -20. -1 .1. = 16
20
35 19 4 / 5 0 5
35 19

Proceso: Se elige un elemento obviamente que no sea de la columna de
control como pivote (es ideal que sea igual a la unidad). Se observa, si se
puede extraer factor comn en el determinante aplicando 5.6.2. , haciendo
entonces: '
ij
determinante elemento
transformado factor
comn
A = a . A . Se enmarca la fila i y la columna j a la que
pertenece el pivote y se agrega al determinante, la columna de control, que
servir para chequear las combinaciones lineales efectuadas en las filas.
( ) 1
i j
A
+
' = el determinante que se obtiene de suprimir la fila i y la columna j,
y restando luego a cada uno de los elementos que quedan incluso a los de

37
la columna de control, para que sirva verdaderamente de control el producto
de los elementos que se encuentran en la interseccin de su misma fila y
columna con la columna y fila suprimidos.
Debe destacarse que a diferencia del mtodo aplicado para el rango de
matrices, en lo referente a Gauss, en los determinantes que van quedando,
como son nuevos no importa si la fila o columna elegida, es la misma para
pivote que las elegidas anteriormente.
Actividad de Aprendizaje IX
Calcular los determinantes del ejercicio 1 de la actividad de aprendizaje VII
ms los siguientes, por aplicacin de la regla de Cho.
;
: . 523; .108; .24; .63 Rta g h i j
3 0 1 2 4
3 2 -5 4 5 0 -1 1
1 2 -3
3 0 6 0 3
2 4 2 -3 1 -1 1 -2
g. G = ;h. H = ;i. I = 1 2 3 ; j. J =
4 1 7 1 2
4 3 6 -2 4 -4 2 1
2 0 1
8 3 0 2 2
5 -4 2 3 -2 1 1 0
3 5 0 4 4

6. Inversa de una matriz
6.1. Adjunta de una matriz cuadrada
Definicin: Adjunta de una matriz cuadrada es la traspuesta que resulta de
sustituir cada elemento por su cofactor. En smbolos:
( )
| |
|
|
|
|
|
|
\ .
11 12 13 1n 11 12 13 1n
21 22 23 2n 21 22 23
m1 m2 m3 mn
a a a ...........a A A A ...........A
a a a ...........a A A A .
A = ................................ adj A =
................................
a a a ...........a
| |
|
|
|
|
|
|
\ .
t
2n
m1 m2 m3 mn
11 21 31 m1
12 22 32 m2
13 23 33
..........A
................................... =
...................................
A A A ...........A
A A A ...........A
A A A ...........A
A A A ...........A
=
| |
|
|
|
|
|
|
|
\ .
m3
1n 2n 3n mn
...................................
...................................
A A A ...........A

Definicin formal: Dada una matriz
{ }
ij
n
A = a definimos como adjunta de A y
lo indicamos como ( ) adj A a la matriz
{ }
ij
A donde
ij
A es el adjunto de
ij
a en A.

38
Nota importante: A diferencia de las bibliografas vigentes, que presentan
al concepto, a travs de la ltima matriz, aqu se muestra la construccin de
la estructura conceptual.
Ejemplo:
( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
| |
|
|
| |
|
|
|
|
|
|
\ .
|
|
|
\ .
| | | |
| |
| |
| |
\ . \ .
1+1 1+2 1+3
2+1 2+2 2+3
3+1 3+2 3+3
t
1 3 2 3 2 1
-1 -1 -1
-2 -3 1 -3 1 -2
-1 0 2
0 2 -1 2 -1 0
A = 2 1 3 adj A = -1 -1 -1 =
-2 -3 1 -3 1 -2
1 -2 -3
0 2 -1 2 -1 0
-1 -1 -1
1 3 2 3 2 1
3 9 -5 3 -4 -2
= -4 1 -2 = 9 1 7
-2 7 -1 -5 -2 -1


6.2. Propiedad fundamental
{ }
( ) ( ) ( ) : e
ij n
n
A = a M C A.adj A = adj A .A = A .I - la aceptamos sin demostrar

6.3. Clculo de la inversa
6.3.1. Matriz regular
Definicin:
{ }
ij
n
A = a se dice regular sii = A 0

6.3.2. Matriz regular y no regular
Definicin:
{ }
ij
n
A = a se dice singular (o no regular) sii = A 0
Definicin:
{ }
ij
n
A = a diagonal es regular sii los elementos diagonales son
todos no nulos

6.3.3. Matriz inversa. Estructura conceptual
Definicin: Dada una matriz
{ }
ij
n
A = a , se dice que la matriz B es la inversa
de A si ocurre que: .
-1
A.B= B.A= I B= A


6.4.4. Existencia y Clculo de la matriz inversa
A continuacin se expondr un teorema que muestra la existencia de matriz
inversa, la unicidad de la misma; su clculo y el determinante de tal matriz.

39
Dada
{ }
( ) e
ij n
n
A = a M C , se dice entonces que existe la matriz inversa de A
que simbolizamos:
{ }
1
. A es regular

ij
n
A = b

Ms an, si existe la inversa de A, es nico y vale lo siguiente:

( )
.
1
.
a Existencia a travs de su Clculo
b Determinante de la matriz inversa

-1
-1
adj A
A =
A
A =
A

Prueba:
Unicidad: Supongamos que adems de B inversa tambin existe B, tambin
inversa pero con la condicin que ambas son distintas.


( ) ( )
( ) ( )
( )


-1 -1 -1
-1 -1
B = A = B' / A.B = I = A.B' A.B = A.B' A . A.B = A . A.B'
A .A .B = A .A .B' I.B = I.B' B = B'

Contradice la suposicin que = B B'

Esto ltimo permite afirmar la unicidad de la matriz inversa.

{ } ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
( ) ( )
. :
.
. .
:
a
I
b por a es inversible
Ejemplo
e
=

- = =
| |

\ .
ij n
n
-1
-1
-1 -1
-1 -1
-1
A.adj A A .I
A = a M C A.adj A = adj A .A = A .I =
A A
A .A .adj A
A A.adj A A.adj A
= = A .I A
A A A
I.adj A adj A
= A = A
A A
1
A B / A.B = B.A = I A.B = I A B = 1 B A
A
-1 0 2
A = 2 1 3
1 -2 -3
( )
( )
( )

6.1 Ejemplo realizado en
|
= -
|
|
| |
| |
|
|
|
|
|
\ . |
|
|
|
|
\ .
3+1
-1
-1
-1 0 2 0 -2 -1
-2 -1
A = 2 1 3 = 0 5 9 = -1 .1. = ... = -13 0 A
5 9
1 -2 -3 1 -2 -3
3 -4 -2
3 4 2
-
9 1 7
13 13 13
-5 -2 -1 9 1 7
A = = - - -
-13 13 13 13
5 2 1
13 13 13


40
6.4.5. La inversa del producto
Coloquialmente: La inversa del producto es el producto de las inversas en
orden permutado. Simblicamente se expresa a continuacin:


( )
-1
-1 -1
A.B = B .A

Para probar esta propiedad, deber verse que el producto en orden
permutado por A.B da como resultado la identidad.
( )
( ) ( )
( )
-1
-1 -1 -1 -1 -1 -1 -1 -1
A.B . B .A = A. B.B .A = A.I.A = A.A = I A.B = B .A


6.4.6. Inversin de matrices por GaussJordan
El mtodo de Gauss es vlido tambin para obtener tambin la inversa de
una matriz. La forma de trabajo es idntica, pero con la diferencia que en el
esquema debe escribirse a la derecha de la matriz de la que se quiere obtener
la inversa, la identidad del mismo tamao de la matriz que se desea invertir.
Luego del proceso, la matriz identidad debe aparecer a la izquierda de la
matriz inversa obtenida. Los pivotes deben elegirse durante el proceso en las
filas o columnas de la matriz de la que se pretende su inversa. Es muy
importante antes de obtener la inversa de una matriz por este proceso, el
chequear previamente si la matriz dada es regular.
Puede ocurrir algo como lo que se presenta a continuacin, al final del proceso
de inversin, y debe tenerse muy en cuenta...

...............................
...............................
...............................
proceso
inicial
proceso
intermedio
proceso
final
r

`
)

`
)

`
)
a b c 1 0 0
d e f 0 1 0
g h i 0 0 1
0 1 0 j k l
1 0 0 m n o
0 0 1 p q r
1 0 0 m n o
0 1 0 j k l
0 0 1 p q r
esultado
obtenido

`
)

Se eligi para este ejemplo hipottico, una matriz de orden 3. En el proceso
inicial se escribe la matriz identidad de orden 3, del mismo tamao de la
matriz que se quiere invertir. Luego de realizado todo el proceso de pivotear

41
y generando los transformados de cada elemento, lo que se traduce como
proceso intermedio en el esquema precedente, se llega al proceso final, donde
puede observarse que a la izquierda se obtuvo la matriz identidad casi
como tiene que ser, pero no lo es. Para lograrlo se necesitara la segunda fila
por la primera, pero esto debe reflejarse compensadamente en la matriz
inversa obtenida a la derecha, lo que se refleja en el esquema precedente
como resultado obtenido.
Considerese un ejemplo completo desarrollado, y es la inversa obtenida,
algebraica en 6.4.4.

| | | | | | | | |
| | | | | |

| | | | | |
| | | | | |
\ . . \ . . \ . .
|
|
| |
|
|
|

|
|
|
|
\ .
|
|
.
-1 0 2 1 0 0 1 0 -2 -1 0 0 1 0 -2 -1 0 0
2 1 3 0 1 0 0 1 7 2 1 0 0 1 7 2 1 0
1 -2 -3 0 0 1 0 -2 -1 1 0 1 0 0 13 5 2 1
3 4 2
-
13 13 13
1 0 0
9 1 7
0 1 0 - - -
13 13 13
0 0 1
5 2 1
13 13 13


Actividad de Aprendizaje X
En la actividad de aprendizaje II se introdujeron por vez primera las
ecuaciones matriciales, lo desarrollado precedentemente permitir resolver
ecuaciones matriciales de mayor complejidad que requieren de obtener
inversa de matrices. Se pide en los siguientes ejercicios resolver las siguientes
ecuaciones matriciales, previa resolucin de la estructura primero y luego
proceder a las operaciones. En cada una se pide, adems verificar cada
resultado obtenido.


( )
( )
( )
( )
-t
t -t t
-1 t
i. A.X = B;ii. X.A = B;iii. A.X = I;iv. W.X .C= D- 2.E; v. F- 2.X = 3.B;
vi. X. G+H = 3.B ; vii. X .M- B N- Z = A- B ;
2
viii. X.H- B.C= X.P+2.B;ix. U.X - .B.C = I
3


Resolucin de la estructura matricial de dos a modo de ejemplo:
( )
( )
( )
( )
.
. .........
i
ii


-1 -1 -1 -1 -1 -1
-1 -1 -1 -1 -1
A.X = B A . A.X = A .B A .A .X = A .B I.X = A .B X = A .B
X.A = B X.A .A = B.A X. A .A = B.A X = B.A


42
Observaciones: En el primer ejemplo resuelto, se dice que se multiplica en
ambos miembros a izquierda por la matriz inversa de A, o se premultiplica por
A en ambos miembros. Mientras que en el segundo ejemplo, decimos que se
multiplica en ambos miembros a derecha por la matriz inversa de A, o se
posmultiplica por A en ambos miembros.


| | | | | | | | | |
| | | | |
\ . \ . \ . \ . \ .
| | | | | | | | | |
| | | | |
\ . \ . \ . \ . \ .
| | | | | | | |
| | | |
\ . \ . \ . \ .
1 2 4 5 2 3 2 1 1 2
A = ;B = ;C = ;D = ;E= ;
-2 3 -1 2 -1 0 2 3 -5 6
1 3 1 1 0 2 2 1 2 1
W = ;F = ;G = ;H = ;M = ;
4 4 2 -2 1 2 3 -1 / 2 -1 -1
0 1 3 2 -2 0 1 2
N = ;Z = ;P = ;U =
2 3 4 5 0 -1 3 -2

7. Aplicaciones del lgebra matricial a la resolucin de sistemas
lineales
7.1. Introduccin
Un sistema lineal o sistema de ecuaciones de ecuaciones lineales es una
estructura matricial de la forma: ( ) ( ) ( ) / e . . e
mn n1 n1
A.X = B A M C X C B M C .
La traduccin de la estructura matricial precedente puede escribirse en la
forma:
| || |
| |
| |
| | =
| |
| |
| |
\ . \ .
11 12 13 1n 1
21 22 23 2n 2
m1 m2 m3 mn n
a a a ...............a x b
a a a ..............a x
.................................... ...
.................................... ...
a a a ...........a x
| |
|
|
|
|
|
|
\ .
1
2
n
b
...
...
b

Efectuando el producto de matrices y aplicando al definicin de matrices
iguales se obtiene la forma escalar del sistema de m ecuaciones con n
variables que se escribe del modo siguiente:

11 1 12 2 13 3 1n n 1
21 1 22 2 23 3 2n n 2
a .x + a .x + a .x + ............... + a .x = b
a x + a .x + a .x + ................ + a .x = b
.............................................................................
...........................
m1 1 m2 2 m3 3 mn n m
..................................................
a .x + a .x + a .x + .............. + a .x = b

La matriz A, cuyos elementos son los coeficientes de las variables del
sistema, recibe el nombre del matriz de los coeficientes del sistema. Los
escalares que figuran en el 2do miembro se denominan trminos

43
independientes. La matriz de los coeficientes junto con los trminos
independientes, recibe el nombre de matriz ampliada que se denota
mediante:
( )
( ) e
m n+1
A' = A.B M C .
La solucin del sistema es 1 nupla de nmeros reales (vector fila o vector
columna) de la forma: ( ) .
1 2 3 n
= , , , ........, / A = B

Un sistema con el vector = B Orecibe el nombre de sistema normal, y admite
tres tipos de soluciones: NICA, INFINITAS Y SOLUCIN VACA.
(COMPATIBLE CON SOLUCIN NICA; COMPATIBLE CON INFINITAS
SOLUCIONES E INCOMPATIBLE respectivamente mientras que un sistema
con el vector = B Orecibe el nombre de sistema homogneo y admite dos
tipos de soluciones: TRIVIAL Y NO TRIVIAL, en el caso de compatibilidad,
siendo la primera el vector nulo, y la segunda el vector no nulo. La solucin
VACA puede darse en caso que los rangos de la matriz de los coeficientes y
ampliada resultan distintas.

7.2. Teorema de Cramer
Si ( ) ( ) regular e . e
n n
A M C B M C

entonces el sistema lineal A.X = B

admite solucin nica, y el valor de cada variable es el cociente entre el
determinante que se obtiene al sustituir, en el determinante del sistema, la
columna de coeficientes de la variable por la columna de los trminos
independientes, y el determinante del sistema.
Por otro lado, sea el sistema lineal: A.X = B

Como A es una matriz regular, premultiplicamos por la inversa de A para
hallar X y obtenemos:
( )
( )

-1 -1 -1 -1 -1 -1
A.X = B A . A.X = A .B A .A .X = A .B I.X = A .B X = A .B
que en consecuencia es la nica solucin del sistema.
De acuerdo a 5.6.5. , y por hiptesis, como la matriz A es regular, resulta que
su determinante es no nulo, y por ende, cualquiera sea B, resulta que existen
nicos
1 2 3 1 1 2 2
1
, , ,......, / . . . ....... .
n
n i n n
i
x x x x x x x x
=
= = + + +
i
B A A A A
Pero
( )
=
-1
adj A
X = A .B .B
A

Discusin segn Cramer:
0 = A COMPATIBLE DETERMINADO

44
0 = A INCOMPATIBLE
0
j
x = = A A COMPATIBLE INDETERMINADO lo aceptamos

Observacin: Este tipo de sistemas recibe el nombre de Cramerianos, cuando
son compatibles con solucin nica.

Actividad de Aprendizaje para el lector
Resolver el siguiente sistema por Cramer por la va clsica utilizando
determinantes, utilizando Cho, y la discusin correspondiente y la estructura
de resolucin correspondiente a la ecuacin matricial que perfila el sistema.

x - y - z = 1
2x + y = 0
y + z +1 = 0


7.3. Teorema de RouchFrobenius o Kronecker
7.3.1. Prueba
El teorema postula lo siguiente y es vlido para sistemas normales u
homogneos de la forma siguiente:
Coloquialmente dice que: Un sistema de ecuaciones lineales es compatible sii
el rango de la matriz de los coeficientes es igual al rango de la matriz
ampliada. En smbolos:
( ) ( ) es compatible S - = C A.X = B X / A.X = B A = A'
Observacin previa: Cuando decimos igual rango, nos estamos refiriendo al
rango fila de las dos matrices o al rango columna. Tener en cuenta este
importante resultado que destacamos aqu y que no probamos:
Los rangos fila y columna de una matriz son iguales.
Prueba:
es compatible - A.X = B / A. = B
la matriz columna de los trminos independientes es C.L. de las columnas de
los coeficientes de A . . es C L de B A
es decir que la matriz columna de los trminos independientes es C.L. de las
columnas de la matriz de los coeficientes de A,
sto porque el rango columna de la matriz de los coeficientes est formado por
vectores L.I. y forman una base, el vector B pertenece a esa base, por ser C.L.
de la misma, por consecuencia, resulta que los rangos son coincidentes.
( ) ( ) . . es C L : A = A' B
de las columnas de la matriz de los coeficientes de A, y por lo tanto, existen

45
n nmeros ( ) .
1 2 3 n
= , , , ........, / A = B

Por lo que resulta que estos nmeros constituyen una solucin del sistema
Por lo tanto, resulta que el sistema es compatible.

El teorema de Rouch es verdadero, y es un bicondicional, por ende podemos
formular el contrarrecproco que es tambin verdadero y que no hace falta
demostrar y que se formula simblicamente a continuacin:

( ) ( ) es incompatible S - = C = / A.X = B X / A.X = B A A'


El teorema de Rouch nos proporciona una va vital para resolver sistemas de
lineales de cualquier tamao, los cules luego de analizar los casos que se
pueden presentar veremos que pueden resolverse a travs del mtodo de
Gauss, en virtud de la comparacin de los rangos.
7.3.2. Tipos de solucin compatible
Sea A.X = B un sistema lineal compatible, tal que satisface que los rangos de
la matriz de los coeficientes y la ampliada son iguales, ( ) ( ) = A A'
dnde
( ) ( ) ( ) e . . e
mn n1 n1
A M C X C B M C pudindose presentar las
siguientes situaciones en cunto al rango y el nmero de variables o
incgnitas de un sistema:
1. El rango de ambas matrices es igual al nmero de variables del sistema.
Si ( ) ( ) m = = A A'

entonces la m columnas de A son L.I. y en consecuencia, B es C.L. de tales
columnas.
Esto significa que existen escalares nicos
1
/ .
n
i=
e =
1 2 3 m i i
, , , ........, B A , o
sea que ( ) =
1 2 3 n
, , , ........, es la nica solucin del sistema. piensa
detenidamente porqu
2. El rango de ambas matrices es estrictamente menor que el nmero de
variables del sistema. ( ) ( ) r n = = < A A'

Podemos suponer, sin prdida de generalidad que las filas y columnas de A
son L.I. y son las r primeras.
Las r variables asociadas a las columnas L.I. se llaman principales y las mr
restantes se llaman secundarias. Las mr ecuaciones no principales son C.L.
de las primeras y el sistema es equivalente a un sistema lineal de r
ecuaciones con m variables.
Trasponiendo el 2do miembro de cada ecuacin, las mr incgnitas
secundarias, para c/sistema de valores asignados a stas, se tiene entonces

46
un sistema lineal crameriano de r ecuaciones con r variables con solucin
nica, ya que la matriz de los coeficientes es no singular. Decimos entonces
que el sistema es compatible indeterminado.

En el caso de sistemas homogneos, el teorema de Rouch aplicado a estos
tipos de sistemas, se plantean las siguientes posibilidades:
1. Rangos iguales al nmero de variables del sistema, compatibilidad del
sistema, por ende, la solucin nica se traduce en la solucin trivial de
acuerdo a lo discutido en prrafo 0 del captulo VI.
2. Rangos iguales y menor que el nmero de variables del sistema, implica la
compatibilidad del mismo con infinitas soluciones, por ende la solucin se
traduce en no trivial, de acuerdo a lo discutido en prrafo 0 del captulo VI.
3. Rangos distintos, en sistemas normales nicamente se aclara aunque es
muy obvio NO CUADRADO se tiene que el sistema es incompatible, o sea
que su conjunto solucin es vaco.

NOTA IMPORTANTE: Tener presente que lo discutido en prrafo 0 del
captulo VI, se realiz con sistemas cuadrados, y ahora se extiende a
normales, de ah la posibilidad de incompatibilidad de un sistema. analiza
porqu Al finalizar el prrafo siguiente, en 7.4. se expone un cuadro
resumen de mtodos, tipos de sistemas, y discusin de los tipos de solucin.

7.4. Resolucin de sistemas lineales
El mtodo de Gauss permite la resolucin de sistemas lineales de cualquier
tamao y tipo, permitiendo no slo la discusin segn Rouch, sino tambin
su resolucin efectiva en el caso de compatibilidad. Esto significa la
determinacin del conjunto solucin del mismo. Esencialmente se basa en la
determinacin y comparacin de los rangos de la matriz de los coeficientes y
la matriz ampliada. Para lograrlo, basta con escribir a la derecha de la matriz
de los coeficientes, la matriz columna de los trminos independientes, lo que
se muestra en los ejemplos resueltos que se exponen a continuacin.
En los siguientes ejemplos, se resuelve cada sistema por Gauss, y se discute
al final del proceso el tipo de solucin para luego ser obtenido. Debe
destacarse que a la hora de resolver un sistema, debe primero ordenarse de
forma que las matrices conserven ese orden de coeficientes y trminos
independientes perfectamente ubicados respecto de las incgnitas.

47
( ) ( )
1:

3 ! /
Ejemplo
S S S

| |
|
- = C =
|
|
\ .
y
x z
A A
A'
A'
x + y + z = 2 2 2 7 1 1 1 1 1 1 1 1 0 3 1 0 0
2x - y - z = 1 2 -1 -1 1 0 -3 -3 -3 0 0 -9 -18 0 0 1 2
1 2 -1 0 1 -2 0 1 -2 0 1 0 x + 2y - z = -3 -3 -5 -5 -1
1
A = A' = -1
2

( ) ( )
2 :


Ejemplo
S

= = C
A A
A' A'
x + y - z = 1 1 1 1 1 1 -1 1 1 -1 1 0 1
x - y + 3z = -3 1 -1 3 -3 0 -2 4 -4 0 0 0 -4
1 0 1 0 -1 2 0 1 -2 x + z = 1 1 0 0
A = 2 A' = 3


( )
'
3:
1
2
3
A
Ejemplo

A
A
A'
x + y + z + t + u = 4 4 4 2 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1
0 x - y - z - t = -2 1 -1 -1 -1 -2 0 -6 0 0 0 -2 -2 -2 -2 -1 -2 -1
0 0 1 1 1 0 0 0 0 0 0 x + t + u = 2 2 -2 2 -1 -1 1 1
0 0 0 0 1 -1
0 0 0 2 A = 2 1
0 0 0 2 1 1
( ) 3 5 / m S S s soluciones = < = - = C A'

Cmo se obtienen las infinitas soluciones?

48
Teniendo en cuenta lo comentado en los tipos de soluciones en 7.2.2 en 2. Y
observando las ecuaciones que quedaron planteados en la fase final de
comparacin de rangos, se obtiene que:
De 1, se obtiene que: 0 x t x t = =
De 2, se obtiene que: 2 2 2 2 t u u t + = =
De 3, se obtiene que: 2 2 y z y z + = =
Si se fijan tres parmetros ya que hay cinco incgnitas, queda:
( ) { }
,
, , : , 2 , , , 2 2 / , x t z resulta S
o |
o | o | | o o o | = = = = e

7.5. Recapitulacin de tipos de sistemas, mtodos y soluciones




49



Actividad de Aprendizaje XI
Resolver los siguientes sistemas por Gauss, discutiendo al final de su
resolucin cada uno por Rouch, y obteniendo la solucin del mismo. Los que
sean cuadrados, adems discutirlos y resolverlos por Cramer.

. . ; . a b c

x + y +2z +4t +4u = 7 x +2y +z - t - 2u = 4
x + y - z = -2
2x + y +2z +7t +8u = 10 2x + y - z +t +2u = 5
; 2x +2y - z = 3;
x +2y +4z +4t +4u = 5 3x - y +4u = 5
x + y +2z = 8
x + y +2z +3t +4u = 1 y +z - t - 2u = 1


50
. ; . ; . ;
.
d e f
g

3x + y - 5z = 0
x + y + 2z = 3 6x - 2y - 18.z - w = 0
4x - y + z = 3
3x + 2z - 2 = 0 -4x + y +11z. = 0
x + 3y - 13z = -6
x + 2y + 2z = 4 -5x + 2y +16z + w = 0
-x - 2y +8z = 3
x + 2y + z - 3t + 2u - 3w = 6
-2x - 4y + 2z - 6t - u - 2w = 4
2x +4y + 3z - 9t +5u + w = 7
2z - 6t - 4u - w - 5 = 0
; . ; . ;
. ; .
h i
j k

x + y - 3z = -1 4x + 2y - 3t = 1
x + y + z - 3 = 0 x + y - z + t + 2 = 0
2x + y - 2z = 1 -4x - 3y + 2z = 3
x + 2y - 3z = 1 -3x + 2z +4t - 6 = 0
-x - 2y - 2z +6t - u + w +6 = 0
2x + y + 3z +8t = 2
x + 2y - z = 0
x - 2y - z - t +4 = 0
3x + z - y = 0
5y +5z +10t =
5x - 4y + 3z = 0
; . l

2x + y + z = 2
x + 3y + z - 5 = 0
x + y +5z = -7
1
2x + 3y - 3z = 14
6x +13y +19z +44t - 8 = 0
3x + z - y = -1


Respuestas
( ) { }
( ) { }
( ) { } ( ) { } ( ) { }
( ) { } ( ) { }
( ) { }
. 15 4 , 2 2 , , 6, / , ;
. 2 ,1 , , , / , ;
. ; . 1, 2,1 ; . 0,1,1 ; . 2 , 3 , , 0 / ;
. 1 2 , , 2 3 , , 0, 1 / , ; . 1, 2, 2 ;
1 4
. . ; . 2, 3, 2, 1 ; . , , /
4 7
a S
b S
c S d S e S f S t t t t
g S l S
h k S i S j S




= e
= + + e
= C = = = e
= + e =

| |
= C = = e
`
|
\ . )