lOMoARcPSD|54809388

MATRICES, SISTEMAS DE ECUACIONES LINEALES Y DETERMINANTE

I. MATRICES

Una matriz es un arreglo rectangular de 𝑚𝑛 números reales (o complejos) ordenados en 𝑚

filas (o renglones) horizontales y 𝑛 columnas verticales, denotado con las letras mayúsculas
del alfabeto 𝐴, 𝐵, 𝐶, etc. que tiene la forma explicita

𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛

𝑎21 𝑎22 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑛
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
𝐴= 𝑎 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛
𝑖1
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
[𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑗 ⋯ 𝑎𝑚𝑛 ]

Donde: 𝑎𝑖𝑗 es el número que está en la 𝑖-ésima fila y la 𝑗-ésima columna de 𝐴 denominado
el 𝑖, 𝑗-ésimo elemento de 𝐴, o la entrada (𝑖, 𝑗) de 𝐴.1

OBSERVACIONES

La 𝑖-ésima fila de 𝐴 es la matriz

[𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛 ], 𝑖 = 1,2, … , 𝑚

La 𝑗-ésima columna de 𝐴 es la matriz

𝑎1𝑗
𝑎2𝑗
⋮
𝑎𝑖𝑗 , 𝑗 = 1,2, … , 𝑛
⋮
[𝑎𝑚𝑗 ]

NOTAS

Una matriz 𝐴 que tiene 𝑚 filas y 𝑛 columnas, en forma implícita o compacta se

denota por 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 o también 𝐴 = [𝑎𝑖𝑗 ]; 𝑖 = 1,2, … , 𝑚; 𝑗 = 1,2, … , 𝑛 y se

dice que la matriz 𝐴 es de orden 𝑚 × 𝑛.

Si 𝑚 = 𝑛, decimos que 𝐴 es una matriz cuadrada de orden 𝑛 y los números
𝑎11 𝑎22 ⋯ 𝑎𝑖𝑖 ⋯ 𝑎𝑛𝑛 forman la diagonal principal de 𝐴 y los números
𝑎𝑚1 𝑎𝑚−12 ⋯ 𝑎𝑖𝑖 ⋯ 𝑎1𝑛 forman la diagonal secundaria de 𝐴.

1
Tomado del libro Algebra lineal con aplicaciones y Matlab (KOLMAN, 1999, pág. 12)

messages.downloaded_by
 lOMoARcPSD|54809388

Ejercicio 1. Los ensamblados de un caldero, molino, centrifugador, horno y ascensor

requieren respectivamente de 3, 3, 2, 1; 6, 8, 5, 2; 4, 2, 3, 1; 3, 5, 1, 1; 7, 4, 5, 2 piñones,
ejes, fajas y mano de obra calificada respectivamente. Determine la matriz de equipos por
accesorios.

Solución 1. Se desea determinar la matriz de equipos(𝐸) por accesorios(𝐴). Es decir, una

matriz denotada 𝑀𝐸×𝐴
Consideremos como equipos(𝐸) a: caldero, molino, centrifugador, horno y ascensor y
como accesorios(𝐴) a: piñones(𝑝), ejes(𝑒), fajas(𝑓) y mano de obra calificada(𝑚). Del
ejercicio se obtiene que:

𝑝 𝑒 𝑓 𝑚

𝑐𝑎𝑙𝑑𝑒𝑟𝑜 ⏞3 3 2 1
𝑚𝑜𝑙𝑖𝑛𝑜 6 8 5 2
𝑀𝐸×𝐴 = 𝑐𝑒𝑛𝑡𝑟𝑖𝑓𝑢𝑔𝑎𝑑𝑜𝑟 4 2 3 1
ℎ𝑜𝑟𝑛𝑜 3 5 1 1
𝑎𝑠𝑐𝑒𝑛𝑠𝑜𝑟 [7 4 5 2]

Significa que, para ensamblar un caldero, molino, centrifugador, horno y ascensor se

requieren de piñones(𝑝), ejes(𝑒), fajas(𝑓) y mano de obra calificada(𝑚). También se
puede interpretar erróneamente, pues contradice con la realidad que, un piñón(𝑝), ejes(𝑒),
fajas(𝑓) y mano de obra calificada(𝑚) permite ensamblar calderos, molinos,
centrifugadores, horno y ascensor.

Ejercicio 2. Expresar de manera explícita la matriz descrita por

0, 𝑖 ≠ 𝑗
𝐴 = [𝛿𝑖𝑗 ]4×4 , 𝛿𝑖𝑗 = { , 𝛿 es llamado delta de Kronecker.
1, 𝑖 = 𝑗 𝑖𝑗

Solución 2. Se desea expresar, de manera explícita, la matriz dada 𝐴 de orden 4 × 4. Esto

es;
1 0 0 0
𝐴 = [0 1 0 0]
0 0 1 0
0 0 0 1

La matriz 𝐴 se denomina matriz identidad.

Ejercicio 3. Determine el arreglo rectangular 𝐴 = [𝑎𝑖𝑗 ] de orden 3 × 3 tal que

0, 𝑖 < 𝑗
𝑎𝑖𝑗 = {𝑎 , 𝑖 ≥ 𝑗
𝑖𝑗

Solución 3. Se desea determinar la matriz de orden 3 × 3, denotada por 𝐴.

messages.downloaded_by
 lOMoARcPSD|54809388

Esto es

𝑎11 0 0
𝐴 = [𝑎21 𝑎22 0 ]
𝑎31 𝑎32 𝑎33

Ejercicio 4. Loli para fabricar repuestos del tipo 𝐼, 𝐼𝐼 y 𝐼𝐼𝐼 necesita los insumos 𝐴, 𝐵 y 𝐶.
Para fabricar el repuesto 𝐼 se necesita 3 insumos de 𝐴, 2 de 𝐵 y 4 de 𝐶, para fabricar el
repuesto 𝐼𝐼 se necesita 2 insumos de 𝐴, 4 de 𝐵 y 5 de 𝐶 y para fabricar el repuesto 𝐼𝐼𝐼 se
necesita 6 insumos de 𝐴, 3 de 𝐵 y 2 de 𝐶. Halle la matriz de:
Insumos por repuestos.
Repuestos por insumos.

Solución 4.
Se desea hallar la matriz de insumos por repuestos, denotada 𝑀𝐼𝑅 donde: 𝐼 son los
insumos 𝐴, 𝐵 y 𝐶 y 𝑅 son los repuestos del tipo 𝐼, 𝐼𝐼 y 𝐼𝐼𝐼
𝐼 𝐼𝐼 𝐼𝐼𝐼
𝐴 ⏞3 2 4
𝑀𝐼×𝑅 = 𝐵 [2 4 5]
𝐶 6 3 2

Se desea hallar la matriz de repuestos por insumos

𝐴 𝐵 C
𝐼 ⏞3 2 6
𝑀𝑅×𝐼 = 𝐼𝐼 [2 4 3]
𝐼𝐼𝐼 4 5 2

1.1 TIPOS DE MATRICES

Los tipos de matrices se refieren al orden de las matrices

1.1.1 MATRICES RECTANGULARES

𝐴 es una matriz rectangular, si 𝑚 ≠ 𝑛. Es decir 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛

MATRIZ (O VECTOR) FILA

Son aquellas matrices de orden 1 × 𝑛

𝐴 = [𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛 ], 𝑖 = 1,2, … , 𝑚

MATRIZ (O VECTOR) COLUMNA

Son aquellas matrices de orden 𝑚 × 1

messages.downloaded_by
 lOMoARcPSD|54809388

𝑎1𝑗
𝑎2𝑗
⋮
𝐴= 𝑎 , 𝑗 = 1,2, … , 𝑛
𝑖𝑗
⋮
𝑎
[ 𝑚𝑗 ]

1.1.2 MATRICES CUADRADAS

𝐴 es una matriz cuadrada, si 𝑚 = 𝑛. Es decir 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛

MATRIZ NULA. Todos sus elementos son nulos (o ceros)

0 ,𝑖 ≠ 𝑗
𝑂 = [𝑜𝑖𝑗 ]𝑛×𝑛 , 𝑜𝑖𝑗 = {
0, 𝑖 = 𝑗
MATRIZ DIAGONAL.
0, 𝑖≠𝑗
𝐷 = [𝑑𝑖𝑗 ]𝑛×𝑛 , 𝑑𝑖𝑗 = {𝑑 , 𝑖=𝑗
𝑖𝑗

MATRIZ ESCALAR. Es una matriz diagonal cuyos elementos de su diagonal

principal son escalares
0, 𝑖 ≠𝑗
𝐸 = [𝑒𝑖𝑗 ]𝑛×𝑛 , 𝑒𝑖𝑗 = { , 𝛼 es un escalar
𝛼, 𝑖 = 𝑗
MATRIZ IDENTIDAD. Es una matriz escalar cuyos elementos de su diagonal
principal son la unidad
0, 𝑖 ≠𝑗
𝐼 = [𝛿𝑖𝑗 ]𝑛×𝑛 , 𝛿𝑖𝑗 = { , 𝛿 es llamado delta de Kronecker
1, 𝑖 = 𝑗 𝑖𝑗
MATRIZ TRIANGULAR SUPERIOR. Es una matriz cuyos elementos debajo
de la diagonal principal son cero y está definida por:
0, 𝑖>𝑗
𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 , 𝑎𝑖𝑗 = {𝑎 , 𝑖≤𝑗
i𝑗

MATRIZ TRIANGULAR INFERIOR. Es una matriz cuyos elementos sobre

la diagonal principal son cero y está definida por:
0, 𝑖<𝑗
𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 , 𝑎𝑖𝑗 = {𝑎 , 𝑖≥𝑗
𝑖𝑗

1.2 ÁLGEBRA DE MATRICES

1.2.1 IGUALDAD DE MATRICES

Las matrices 𝐴 = [𝑎𝑖𝑗 ] y 𝐵 = [𝑏𝑖𝑗 ] son iguales si los elementos

𝑚×𝑛 𝑚×𝑛

correspondientes son iguales. Es decir;

messages.downloaded_by
 lOMoARcPSD|54809388

𝐴 = 𝐵 ⇔ 𝑎𝑖𝑗 = 𝑏𝑖𝑗 para 𝑖 = 1,2, … , 𝑚 ; 𝑗 = 1,2, … , 𝑛

Sólo se cumple cuando las matrices son del mismo orden.
Ahora definiremos varias operaciones que producirán nuevas matrices a partir de
otras. Estas operaciones son útiles en las aplicaciones de las matrices.

1.2.2 ADICIÓN DE MATRICES

La adición de las matrices 𝐴 = [𝑎𝑖𝑗 ] y 𝐵 = [𝑏𝑖𝑗 ] es la matriz 𝐶 = [𝑐𝑖𝑗 ]

𝑚×𝑛 𝑚×𝑛 𝑚×𝑛

definida por
𝐶 =𝐴+𝐵
[𝑐𝑖𝑗 ]𝑚×𝑛 = [𝑎𝑖𝑗 ]𝑚×𝑛 + [𝑏𝑖𝑗 ]𝑚×𝑛

[𝑐𝑖𝑗 ]𝑚×𝑛 = [𝑎𝑖𝑗 + 𝑏𝑖𝑗 ]𝑚×𝑛

Es decir, 𝐶 se obtiene sumando los elementos correspondientes de las matrices 𝐴 y

𝐵.

NOTA.

La adición o suma de las matrices 𝐴 y 𝐵 sólo se define cuando las matrices 𝐴 y 𝐵

tienen el mismo orden.

PROPIEDADES DE LA ADICIÓN DE MATRICES

Sean 𝐴, 𝐵 y 𝐶 matrices de orden 𝑚 × 𝑛

A+𝐵 = 𝐵+𝐴
A + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶
Para cualquier matriz 𝐴 de orden 𝑚 × 𝑛, existe una única matriz O de orden
𝑚 × 𝑛 talque 𝐴 + 𝑂 = 𝐴
La matriz 𝑂 se llama matriz neutro aditivo de orden 𝑚 × 𝑛 o matriz nula
Para cada matriz A de orden m × n, existe una única matriz −A de orden
m × n talque 𝐴 + (−𝐴) = 𝑂.
La matriz −𝐴 se llama el inverso aditivo o negativo de 𝐴.

1.2.3 MULTIPLICACIÓN DE UNA MATRIZ POR UN ESCALAR

La multiplicación de la matriz 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 por el escalar real 𝛼 es la matriz 𝛼𝐴

definida por
𝛼𝐴 = 𝛼[𝑎𝑖𝑗 ]𝑚×𝑛 = [𝛼𝐴𝑖𝑗 ]𝑚×𝑛

Es decir, 𝛼𝐴 se obtiene multiplicando cada elemento de 𝐴 por 𝛼.

7

messages.downloaded_by
 lOMoARcPSD|54809388

NOTA.

Sean las matrices 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 y 𝐵 = [𝑏𝑖𝑗 ]𝑚×𝑛 talque la suma de las matrices 𝐴 y

(−1)𝐵 se escribe como 𝐴 + (−1)𝐵 = 𝐴 − 𝐵 y se llama la diferencia de 𝐴 y 𝐵.

PROPIEDADES DE LA MULTIPLICACIÓN DE MATRICES POR

ESCALARES

Sean 𝐴 y 𝐵 matrices y 𝛼 y 𝛽 escalares reales

α(𝛽𝐴) = (𝛼𝛽)𝐴
(𝛼 + 𝛽)𝐴 = 𝛼𝐴 + 𝛽𝐴
α(𝐴 + 𝐵) = 𝛼𝐴 + 𝛼𝐵
A(𝛼𝐵) = 𝛼(𝐴𝐵) = (𝛼𝐴)𝐵
(1)𝐴=A
(−1)𝐴 = −𝐴
𝐴 + (−1)𝐵 = 𝐴 + (−𝐵) = 𝐴 − 𝐵

1.2.4 MULTIPLICACIÓN DE MATRICES

La multiplicación de la matriz 𝐴 = [𝑎𝑖𝑘 ]𝑚×𝑝 por la matriz 𝐵 = [𝑏𝑘𝑗 ]𝑝×𝑛 , denotada

𝐴𝐵, es la matriz 𝐶 = [𝑐𝑖𝑗 ]𝑚×𝑛 definida como

𝐶 = 𝐴𝐵
[𝐶𝑖𝑗 ]𝑚×𝑛 = [𝑎𝑖𝑘 ]𝑚×𝑝 [𝑏𝑘𝑗 ]𝑝×𝑛

donde;
𝑐𝑖𝑗 = (⏟𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑘 ⋯ 𝑎𝑖𝑝 ) ⋅ (⏟𝑏1𝑗 𝑏2𝑗 ⋯ 𝑏𝑘𝑗 ⋯ 𝑏𝑝𝑗 )
𝑣𝑒𝑐𝑡𝑜𝑟 𝑓𝑖𝑙𝑎 𝑣𝑒𝑐𝑡𝑜𝑟 𝑐𝑜𝑙𝑢𝑚𝑛𝑎
𝑝

𝑐𝑖𝑗 = 𝑎𝑖1 𝑏1𝑗 + 𝑎𝑖2 𝑏2𝑗 + ⋯ + 𝑎𝑖𝑘 𝑏𝑘𝑗 + ⋯ + 𝑎𝑖𝑝 𝑏𝑝𝑗 = ∑ 𝑎𝑖𝑘 𝑏𝑘𝑗
𝑘=1

Es decir, el 𝑖, 𝑗-ésimo elemento de la matriz 𝐶 es el producto escalar o producto punto

o producto interior de la 𝑖-ésima fila de 𝐴 por la 𝑗-ésima columna de 𝐵.
En forma explicita

messages.downloaded_by
 lOMoARcPSD|54809388

𝑐11 𝑐12 ⋯ 𝑐1𝑗 ⋯ 𝑐1𝑛

𝑐21 𝑐22 ⋯ 𝑐2𝑗 ⋯ 𝑐2𝑛
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
𝑐𝑖1 𝑐𝑖2 ⋯ 𝑐𝑖𝑗 ⋯ 𝑐𝑖𝑛
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
[𝑐𝑚1 𝑐𝑚2 ⋯ 𝑐𝑚𝑗 ⋯ 𝑐𝑚𝑛 ]
𝑎11 𝑎12 ⋯ 𝑎1𝑘 ⋯ 𝑎1𝑝 𝑏11 𝑏12 ⋯ 𝑏1𝑗 ⋯ 𝑏1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑘 ⋯ 𝑎2𝑝 𝑏21 𝑏22 ⋯ 𝑏2𝑗 ⋯ 𝑏2𝑛
⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮
= 𝑎 𝑎𝑖2 ⋯ 𝑎𝑖𝑘 ⋯ 𝑎𝑖𝑝 𝑏𝑘1
𝑖1 𝑏𝑘2 ⋯ 𝑏𝑘𝑗 ⋯ 𝑏𝑘𝑛
⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮
[𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑘 ⋯ 𝑎𝑚𝑝 ] [𝑏𝑝1 𝑏𝑝2 ⋯ 𝑏𝑝𝑗 ⋯ 𝑏𝑝𝑛 ]
NOTA. La multiplicación de las matrices 𝐴 y 𝐵 está definido cuando el número de
columnas de la matriz 𝐴 es exactamente igual al número de filas de la matriz 𝐵.

PROPIEDADES DE LAS OPERACIONES CON MATRICES

Sean 𝐴, 𝐵 y 𝐶 matrices de ordenes adecuados

A(𝐵𝐶) = (𝐴𝐵)𝐶
A(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶
(𝐴 + 𝐵)𝐶 = 𝐴𝐶 + 𝐵𝐶
A𝐼 = 𝐼𝐴 = 𝐴, 𝐼 es la matriz identidad de orden adecuado.
En general 𝐴𝐵 ≠ 𝐵𝐴
Si 𝐴𝐵 = −𝐵𝐴 entonces las matrices A y B anticonmutan

OBSERVACIONES

Se llama conmutador de 𝐴 y 𝐵 a [𝐴, 𝐵]. Es decir [𝐴, 𝐵] = 𝐴𝐵 − 𝐵𝐴

Si A y B conmutan, entonces A, B  O
Se llama anticonmutador de A y B a {𝐴, 𝐵}. Es decir {𝐴, 𝐵} = 𝐴𝐵 + 𝐵𝐴
Si A y B anticonmutan, entonces {𝐴, 𝐵} = 0
No es cierto que; si A y B son matrices, entonces 𝐴𝐵 = 0 se cumple si sólo si
𝐴 o 𝐵 son matrices nulas.

NOTAS

Si 𝐴 = [𝑎𝑖𝑗 ]𝑚×n , entonces 𝐼𝑚 𝐴 = 𝐴𝐼𝑛 = 𝐴

1, 𝑖=𝑗 1, 𝑖 = 𝑗
Donde; 𝐼𝑚 = [𝛿𝑖𝑗 ] , 𝛿𝑖𝑗 = { , 𝐼 = [𝛿𝑖𝑗 ] , 𝛿𝑖𝑗 = {
𝑚×𝑚 0, 𝑖≠𝑗 𝑛 𝑛×𝑛 0, 𝑖 ≠ 𝑗
Sean las matrices 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑝 y 𝐵 = [𝑏𝑖𝑗 ]𝑝×𝑛

messages.downloaded_by
 lOMoARcPSD|54809388

𝐴𝐵 = [𝑎𝑖𝑗 ]𝑚×𝑝 [𝑏𝑖𝑗 ]𝑝×𝑛 = [𝑐𝑖𝑗 ]𝑚×𝑛 = 𝐶

𝐵𝐴 = [𝑏𝑖𝑗 ]𝑝×𝑛 [𝑎𝑖𝑗 ]𝑚×𝑝

a) BA no esta definido si n ≠ m
b) 𝐵𝐴 = [𝑑𝑖𝑗 ] ,𝑛 = 𝑚 ,𝑝 ≠ m
𝑝×p

c) 𝐵𝐴 = [𝑑𝑖𝑗 ]𝑝×𝑝 , 𝑛 = 𝑚 = 𝑝 y 𝐴𝐵 ≠ 𝐵𝐴

d) 𝐴𝐵 = 𝐵𝐴

Ejercicio 5. Sean las matrices:

𝑖+𝑘, 𝑖 ≤𝑘 𝑘𝑗 , 𝑘 < 𝑗
𝐴 = [𝑎𝑖𝑘 ]3×3 , 𝑎𝑖𝑘 = { y 𝐵 = [𝑏𝑘𝑗 ] , 𝑏𝑘𝑗 = { 𝑘
𝑖 − 𝑘, 𝑖 > 𝑘 3×2 𝑗 , 𝑘≥𝑗

Si están definidos, halle:

𝐴+𝐵
𝐴𝐵, 𝐵𝐴

Solución 5.
Para hallar la suma de las matrices 𝐴 y 𝐵 estas deben tener el mismo orden. La matriz 𝐴
tiene un orden de 3 × 3, mientras que la matriz 𝐵 tiene un orden de 3 × 2. Por lo que 𝐴 +
𝐵 no está definido.

Por la parte (1) se tiene que la multiplicación de la matriz 𝐴 por 𝐵 está definida, mientras
que la multiplicación de 𝐵 por 𝐴 no está definida.

Escribamos las matrices 𝐴 y 𝐵 de forma explicita

2 3 4 1 1
𝐴 = [1 4 5] , 𝐵 = [1 4]
2 1 6 1 8

multiplicando 𝐴 por 𝐵 se tiene la matriz 𝐶 de orden 3 × 2, esto es

𝐶 = 𝐴𝐵

2 3 4 1 1
𝐶 = [1 4 5] [ 1 4]
2 1 6 1 8

9 46
𝐶 = [10 57]
9 54

10

messages.downloaded_by
 lOMoARcPSD|54809388

Ejercicio 6. Loli para fabricar repuestos del tipo I, II y III necesita los insumos A, B y C
que cuestan 2, 3 y 4 soles respectivamente. Para fabricar el repuesto I se necesita 3 insumos
de A, 2 de B y 4 de C, para fabricar el repuesto II se necesita 2 insumos de A, 4 de B y 5
de C y para fabricar el repuesto III se necesita 6 insumos de A, 3 de B y 2 de C. Halle la
matriz de costo de los repuestos y el costo total de fabricación.

Solución 6.
Sea los repuestos(𝑅), los insumos(𝐼) y el costo(𝐶). Se desea hallar la matriz de costo de
los repuestos o de repuestos por costo 𝑀𝑅×𝐶 .

Hallamos la matriz de repuestos por insumos 𝑀𝑅×𝐼 y la matriz de insumos por costo 𝑀𝐼×𝐶
de manera que al multiplicar estas matrices se obtiene la matriz de repuestos por costo
𝑀𝑅×𝐶 . Esto es;

𝑀𝑅×𝐼 𝑀𝐼×𝐶 = 𝑀𝑅×𝐶

3 2 4 2 28
[2 4 5] [3] = [40]
6 3 2 4 29

significa que los repuestos del tipo I, II y III cuestan 28, 40 y 29 soles respectivamente. Y
el costo total de fabricación es de 97 soles.

Ejercicio 7. El producto matriz-vector en términos de columnas2. Sea la matriz 𝐴 =

[𝑎𝑖𝑘 ]𝑚×𝑛 y la matriz (vector columna) 𝐶 = [𝑐𝑘𝑗 ] . Demostrar que la multiplicación de
𝑛×1

𝐴 por 𝐶 es una combinación lineal de las columnas de 𝐴, en la que los coeficientes son los
elementos o entradas de 𝐶.

Solución 7.
Como la matriz 𝐴 es de orden 𝑚 × 𝑛 y la matriz 𝐶 es de orden 𝑛 × 1, la multiplicación de
𝐴 por 𝐶 es la matriz 𝐴𝐶 de orden 𝑚 × 1

𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑐11 𝑎11 𝑐11 + 𝑎12 𝑐21 + ⋯ + 𝑎1𝑛 𝑐𝑛1
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑐21 𝑎21 𝑐11 + 𝑎22 𝑐21 + ⋯ + 𝑎2𝑛 𝑐𝑛1
𝐴𝐶 = [ ⋮ ⋮ ⋱ ⋮ ][ ⋮ ] = [ ⋮ ]
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑐𝑛1 𝑎𝑚1 𝑐11 + 𝑎𝑚2 𝑐21 + ⋯ + 𝑎𝑚𝑛 𝑐𝑛1

2
Tomado del libro Algebra lineal con aplicaciones y Matlab (KOLMAN, 1999)

11

messages.downloaded_by
 lOMoARcPSD|54809388

el lado derecho de esta igualdad se puede escribir como

𝑎11 𝑐11 + 𝑎12 𝑐21 + ⋯ + 𝑎1𝑛 𝑐𝑛1 𝑎11 𝑎11 𝑎11

𝑎 𝑐 + 𝑎22 𝑐21 + ⋯ + 𝑎2𝑛 𝑐𝑛1 𝑎21 𝑎21 𝑎21
[ 21 11 ⋮ ] = 𝑐11 [ ⋮ ] + 𝑐21 [ ⋮ ] + ⋯ + 𝑐𝑛1 [ ⋮ ]
𝑎𝑚1 𝑐11 + 𝑎𝑚2 𝑐21 + ⋯ + 𝑎𝑚𝑛 𝑐𝑛1 𝑎𝑛1 𝑎𝑛1 𝑎𝑛1

luego,

𝐴𝐶 = 𝑐11 𝑐𝑜𝑙1 (𝐴) + 𝑐21 𝑐𝑜𝑙2 (𝐴) + ⋯ + 𝑐𝑛1 𝑐𝑜𝑙𝑛 (𝐴)

expresión que es una combinación lineal de las columnas de 𝐴, en la que los coeficientes
son los elementos o entradas de 𝐶.

Ejercicio 8. Sea la matriz 𝐴 = [𝑎𝑖𝑘 ]𝑚×𝑝 y la matriz 𝐵 = [𝑏𝑘𝑗 ]𝑝×𝑛 . Demostrar que la 𝑗-
ésima columna del producto 𝐴𝐵 se puede escribir como una combinación lineal de las
columnas de la matriz 𝐴, en la que los coeficientes son los elementos o las entradas en la
𝑗-ésima columna de la matriz 𝐵. Es decir;
𝑐𝑜𝑙𝑗 (𝐴𝐵) = 𝐴𝑐𝑜𝑙𝑗 (𝐵) = 𝑏1𝑗 𝑐𝑜𝑙1 (𝐴) + 𝑏2𝑗 𝑐𝑜𝑙2 (𝐴) + ⋯ + 𝑏𝑝𝑗 𝑐𝑜𝑙𝑝 (𝐴)

Solución 8. A cargo del lector

Ejercicio 9. Sea la matriz 𝐴 = [𝑎𝑖𝑘 ]𝑚×𝑝 y la matriz 𝐵 = [𝑏𝑘𝑗 ]𝑝×𝑛 . Demostrar que la 𝑖-
ésima fila del producto 𝐴𝐵 es igual al producto de matrices 𝑓𝑖𝑙𝑎𝑖 (𝐴)𝐵.

Solución 9. A cargo del lector.

Ejercicio 10. Sean 𝐴, 𝐵 y 𝐶 matrices de ordenes adecuados. Demostrar que

𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶

Solución 10. Demostración.

Sea 𝐷 = 𝐵 + 𝐶, 𝐸 = 𝐴𝐷, 𝐹 = 𝐴𝐵 y 𝐺 = 𝐴𝐶, entonces se desea demostrar que;
𝐸 =𝐹+𝐺

Veamos;

De 𝐷 = 𝐵 + 𝐶 se tiene que;

[𝑑𝑘𝑗 ] = [𝑏𝑘𝑗 ] + [𝑐𝑘𝑗 ] = [𝑏𝑘𝑗 + 𝑐𝑘𝑗 ]

De donde; 𝑑𝑘𝑗 = 𝑏𝑘𝑗 + 𝑐𝑘𝑗

De 𝐸 = 𝐴𝐷 se tiene que el 𝑖, 𝑗-ésimo elemento es 𝑒𝑖𝑗 = ∑𝑘 𝑎𝑖𝑘 𝑑𝑘𝑗 . Es decir

12

messages.downloaded_by
 lOMoARcPSD|54809388

𝑒𝑖𝑗 = ∑ 𝑎𝑖𝑘 𝑑𝑘𝑗

𝑘

= ∑ 𝑎𝑖𝑘 (𝑏𝑘𝑗 + 𝑐𝑘𝑗 )

𝑘

= ∑(𝑎𝑖𝑘 𝑏𝑘𝑗 + 𝑎𝑖𝑘 𝑐𝑘𝑗 )

𝑘

= ∑ 𝑎𝑖𝑘 𝑏𝑘𝑗 + ∑ 𝑎𝑖𝑘 𝑐𝑘𝑗

𝑘 𝑘

= 𝑓𝑖𝑗 + 𝑔𝑖𝑗

entonces,

𝐸 = [𝑒𝑖𝑗 ]
= [𝑓𝑖𝑗 + 𝑔𝑖𝑗 ]
= [𝑓𝑖𝑗 ] + [𝑔𝑖𝑗 ]
=𝐹+𝐺

finalmente,

𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶

Ejercicio 11. Sea la matriz 𝐴 = [1 1] halle todas las matrices 𝐵 de orden 2 × 2 tales
1 1
que 𝐴𝐵 = 0.

Solución 11.
𝑏11 𝑏12
Se desea hallar la matriz 𝐵 = [ ].
𝑏21 𝑏22

De 𝐴𝐵 = 0 se tiene;

1 1 𝑏11 𝑏12 0 0
[ ][ ]=[ ]
1 1 𝑏21 𝑏22 0 0

𝑏11 + 𝑏21 𝑏12 + 𝑏22 0 0

[ ]=[ ]
𝑏11 + 𝑏21 𝑏12 + 𝑏22 0 0

de donde;

𝑏11 + 𝑏21 = 0 ↝ 𝑏11 = −𝑏21

𝑏12 + 𝑏22 = 0 ↝ 𝑏22 = −𝑏12

13

messages.downloaded_by
 lOMoARcPSD|54809388

si parametrizamos 𝑏11 = 𝛼 y 𝑏22 = 𝛽 entonces la familia de matrices buscadas es:

𝛼 −𝛽
𝐵=[ ]
−𝛼 𝛽

Ejercicio 12. Sea la matriz 𝐴 = [1 1 0] halle una matriz 𝐵 de orden 3 × 𝑛 talque

0 1 1
𝐴𝐵 = 0

Solución 12.
𝑏11 𝑏12 ⋯ 𝑏1𝑛
𝑏
Se desea hallar la matriz 𝐵 = [ 21 𝑏22 ⋯ 𝑏2𝑛 ]
𝑏31 𝑏32 ⋯ 𝑏3𝑛

De 𝐴𝐵 = 0 se tiene;

𝑏11 𝑏12 ⋯ 𝑏1𝑛

1 1 0 𝑏 𝑏22 ⋯ 𝑏2𝑛 ] = [0 0 ⋯ 0
[ ][ ]
0 1 1 21 0 0 ⋯ 0
𝑏31 𝑏32 ⋯ 𝑏3𝑛

𝑏11 + 𝑏21 𝑏12 + 𝑏22 ⋯ 𝑏1𝑛 + 𝑏2𝑛 0 0 ⋯ 0

[ ]=[ ]
𝑏21 + 𝑏31 𝑏22 + 𝑏32 ⋯ 𝑏2𝑛 + 𝑏3𝑛 0 0 ⋯ 0

de donde;

𝑏1𝑖 + 𝑏2𝑖 = 0 , 𝑖 = 1,2, … , 𝑛 ↝ 𝑏1𝑖 = −𝑏2𝑖

𝑏2𝑖 + 𝑏3𝑖 = 0 , 𝑖 = 1,2, . . , 𝑛 ↝ 𝑏2𝑖 = −𝑏3𝑖

Sea 𝑏2𝑖 = 𝛼𝑖 , entonces la matriz buscada es

−𝛼1 −𝛼2 ⋯ −𝛼𝑛

𝐵 = [ 𝛼1 𝛼2 ⋯ 𝛼𝑛 ]
−𝛼1 −𝛼2 ⋯ −𝛼𝑛

Ejercicio 13. Sea    A / A es una matriz de orden adecuado  junto con las operaciones
de Adición de matrices y la multiplicación y de una matriz por un escalar, es un espacio
vectorial.

Solución 13.
El conjunto de matrices M es un espacio vectorial, puesto que se cumple:

A  B  M ; para toda matriz A, B  M

A  B  B  A ; para toda matriz A, B  M

A  B  C  A  B  C ; para toda matriz A, B, C  M

14

messages.downloaded_by
 lOMoARcPSD|54809388

Para toda matriz A  M , ! O  M tal que A  O  A

Para toda matriz A  M , !  A  M tal que A  A  O
A  M ; para toda matriz A  M y   R
  A  A  A ; para toda matriz A  M y ,   R

A  B  A  B ; para toda matriz A, B  M y   R

A   A ; para toda matriz A  M y ,   R

1A  A

1.3 PARTICIÓN DE MATRICES

Una matriz 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 se puede separar en submatrices o bloques, trazando rectas

horizontales entre las filas y rectas verticales entre las columnas. La particion se puede
realizar de muchas formas diferentes (KOLMAN, 1999). Cada submatriz o bloque sera
etiquetada como 𝐴𝑖𝑗 de acuerdo a sus entradas en la mariz 𝐴.

Una particion de la matriz

𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛−1 𝑎1𝑛

𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛−1 𝑎2𝑛
𝑎31 𝑎32 𝑎33 ⋯ 𝑎3𝑛−1 𝑎3𝑛
𝐴= ⋱
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚−11 𝑎𝑚−12 𝑎𝑚−13 ⋯ 𝑎𝑚−1𝑛−1 𝑎𝑚−1𝑛
[ 𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 ⋯ 𝑎𝑚𝑛−1 𝑎𝑚𝑛 ]

Se puede escribir como

𝐴11 𝐴12 ⋯ 𝐴1𝑡

𝐴21 𝐴22 ⋯ 𝐴2𝑡
𝐴=[ ]; 1 ≤ 𝑟 ≤ 𝑚 , 1 ≤ 𝑡 ≤ 𝑛
⋮ ⋮ ⋱ ⋮
𝐴𝑟1 𝐴𝑟2 … 𝐴𝑟𝑡

Donde;

𝑎11 𝑎12 𝑎13 𝑎1𝑛−1 𝑎1𝑛

𝐴11 = [𝑎 𝑎22 ], 𝐴12 = [𝑎23 ] , ⋯ , 𝐴1𝑡 = [𝑎2𝑛−1 𝑎2𝑛 ]
21

𝐴21 = [𝑎31 𝑎32 ], 𝐴22 = [𝑎33 ], ⋯ , 𝐴2𝑡 = [𝑎3𝑛−1 𝑎3𝑛 ]

𝑎𝑚−11 𝑎𝑚−12 𝑎𝑚−13 𝑎𝑚−1𝑛−1 𝑎𝑚−1𝑛

𝐴𝑟1 = [ 𝑎 𝑎𝑚2 ] , 𝐴𝑟2 = [ 𝑎𝑚3 ] , ⋯ , 𝐴𝑟𝑡 = [ 𝑎𝑚𝑛−1 𝑎𝑚𝑛 ]
𝑚1

NOTAS

15

messages.downloaded_by
 lOMoARcPSD|54809388

Si las matrices 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 y 𝐵 = [𝑏𝑖𝑗 ]𝑚×𝑛 tienen una partición de la misma

forma, entonces 𝐴 + 𝐵 se obtiene sumando las submatrices correspondientes de 𝐴

y𝐵
Si la matriz 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 tiene una partición, entonces 𝛼𝐴 se obtiene formando el

múltiplo escalar de cada submatriz.

Si las matrices 𝐴 = [𝑎𝑖𝑗 ] y 𝐵 = [𝑏𝑖𝑗 ] tienen particiones de la forma 𝐴 =
𝑚×𝑛 𝑚×𝑛

[𝐴𝑖𝑘 ]𝑟×𝑝 y 𝐵 = [𝐵𝑘𝑗 ] , entonces la multiplicación 𝐴𝐵 se obtiene al multiplicar

𝑝×𝑡

las filas de submatrices de 𝐴 con las columnas de submatrices de 𝐵, conocida como

multiplicación por bloques. Es decir;
𝐶 = 𝐴𝐵 = [𝐴𝑖𝑘 ]𝑟×𝑝 [𝐵𝑘𝑗 ]𝑝×𝑡 = [𝐶𝑖𝑗 ]𝑟×𝑡

Donde;
𝑝

𝐶𝑖𝑗 = ∑ 𝐴𝑖𝑘 𝐵𝑘𝑗

𝑘=1

Ejercicio 14. Sean las matrices

1 0 1 0 2 0 0
0 2 3 −1 0 1 1
𝐴=[ ],𝐵 = [ ]
2 0 −4 0 1 3 0
0 1 0 3 −3 −1 2

Utilizando multiplicación por bloques, halle 𝐴𝐵

Solución 14.
Se desea hallar 𝐴𝐵 utilizando la multiplicación por bloques.

Determinamos la partición de las matrices

𝐴11 𝐴12
𝐴=[ ]
𝐴21 𝐴22

Donde

1 0 1 0 2 0 −4 0
𝐴11 = [ ], 𝐴 = [ ] , 𝐴21 = [ ] , A22 = [ ]
0 2 12 3 −1 0 1 0 3

𝐵 𝐵12 𝐵13
𝐵 = [ 11 ]
𝐵21 𝐵22 𝐵23

Donde

16

messages.downloaded_by
 lOMoARcPSD|54809388

2 0 0 1 3 0
𝐵11 = [ ] , 𝐵12 = [ ] , 𝐵13 = [ ] , 𝐵21 = [ ] , 𝐵22 = [ ] , 𝐵23 = [ ]
0 1 1 −3 −1 2

Multiplicando por bloques obtenemos

𝐴11 𝐴12 𝐵11 𝐵12 𝐵13

𝐶 = 𝐴𝐵 = [ ][ ]
𝐴21 𝐴22 𝐵21 𝐵22 𝐵23

𝐴11 𝐵11 + 𝐴12 𝐵21 𝐴11 𝐵12 + 𝐴12 𝐵22 𝐴11 𝐵13 + 𝐴12 𝐵23
𝐶=[ ]
𝐴21 𝐵11 + 𝐴22 𝐵21 𝐴21 𝐵12 + 𝐴22 𝐵22 𝐴21 𝐵13 + 𝐴22 𝐵23

Donde

1 0 2 1 0 0 2 1 3
𝐴11 𝐵11 + 𝐴12 𝐵21 = [ ][ ] + [ ][ ] = [ ] + [ ] = [ ]
0 2 0 3 −1 1 0 −1 −1

1 0 0 1 0 3 0 3 3
𝐴11 𝐵12 + 𝐴12 𝐵22 = [ ][ ] + [ ][ ] = [ ] + [ ] = [ ]
0 2 1 3 −1 −1 2 −1 1

1 0 0 1 0 0 0 0 0
𝐴11 𝐵13 + 𝐴12 𝐵23 = [ ][ ] + [ ][ ] = [ ] + [ ] = [ ]
0 2 1 3 −1 2 2 −2 0

2 0 2 −4 0 1 4 −4 0
𝐴21 𝐵11 + 𝐴22 𝐵21 = [ ][ ] + [ ][ ] = [ ] +[ ] = [ ]
0 1 0 0 3 −3 0 −9 −9

1 0 0 −4 0 3 0 −12 −12
𝐴21 𝐵12 + 𝐴22 𝐵22 = [ ][ ] + [ ][ ] = [ ] + [ ]=[ ]
3 −1 1 0 3 −1 −1 −3 −4

2 0 0 −4 0 0 0 0 0
𝐴21 𝐵13 + 𝐴22 𝐵23 = [ ][ ] + [ ][ ] = [ ] + [ ] = [ ]
0 1 1 0 3 2 1 6 7

Finalmente,

3 3 0
−1 1 0
𝐶 = 𝐴𝐵 = [ ]
0 −12 0
−9 −4 7

1.4 TIPOS ESPECIALES DE MATRICES

Son las matrices de orden 𝑚 × 𝑛, que cumplen determinadas definiciones.

1.4.1 LA TRANSPUESTA DE UNA MATRIZ

La transpuesta de la matriz 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 es la matriz 𝐴𝑇 = [𝑎𝑖𝑗 𝑇 ]𝑛×𝑚 , donde

𝑎𝑖𝑗 𝑇 = 𝑎𝑗𝑖 para 𝑖 = 1,2, … , 𝑚 y 𝑗 = 1,2, … , 𝑛. Es decir, la transpuesta de la matriz 𝐴

se obtiene intercambiando las filas y las columnas de 𝐴.

PROPIEDADES DE LA TRANSPUESTA DE MATRICES

17

messages.downloaded_by
 lOMoARcPSD|54809388

Sean 𝐴 y 𝐵 matrices y 𝛼 escalar real

(𝐴𝑇 )𝑇 = 𝐴
(𝐴 ± 𝐵)𝑇 = 𝐴𝑇 ± 𝐵𝑇
(𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇
(𝛼𝐴)𝑇 = 𝛼𝐴𝑇

Ejercicio 15. Sea la matriz

𝑎 𝑏 𝑐
𝐴 = [𝑐 𝑑 𝑒]
𝑒 𝑒 𝑓

Halle:

𝐴 − 𝐴𝑇
𝐴 + 𝐴𝑇
𝑇
(𝐴 + 𝐴T )

Solución 15.
Hallamos la matriz transpuesta de 𝐴

𝑎 𝑐 𝑒
𝐴 = [𝑏
𝑇 𝑑 𝑒]
𝑐 𝑒 𝑓

Se desea hallar 𝐴 − 𝐴𝑇
𝑎 𝑏 𝑐 𝑎 𝑐 𝑒
𝐴 − 𝐴𝑇 = [ 𝑐 𝑑 𝑒 ] − [𝑏 𝑑 𝑒]
𝑒 𝑒 𝑓 𝑐 𝑒 𝑓

0 𝑏−𝑐 𝑐−𝑒
𝐴 − 𝐴𝑇 = [𝑐 − 𝑏 0 0 ]
𝑒−𝑐 0 0

Se desea hallar 𝐴 + 𝐴𝑇
𝑎 𝑏 𝑐 𝑎 𝑐 𝑒
𝑇
𝐴 + 𝐴 = [𝑐 𝑑 𝑒 ] + [𝑏 𝑑 𝑒]
𝑒 𝑒 𝑓 𝑐 𝑒 𝑓

2𝑎 𝑏+𝑐 𝑐+𝑒
𝑇
𝐴+𝐴 =[ +𝑏
𝑐 2𝑑 2𝑒 ]
𝑒+𝑐 2𝑒 2𝑓

Se desea hallar (𝐴 + 𝐴𝑇 )𝑇

18

messages.downloaded_by
 lOMoARcPSD|54809388

𝑎 𝑏 𝑐 𝑎 𝑐 𝑒 𝑇
(𝐴 + 𝐴 𝑇 )𝑇
= ([ 𝑐 𝑑 𝑒 ] + [𝑏 𝑑 𝑒 ])
𝑒 𝑒 𝑓 𝑐 𝑒 𝑓

2𝑎 𝑏+𝑐 𝑐+𝑒 𝑇
𝑇 𝑇
(𝐴 + 𝐴 ) = ([𝑐 + 𝑏 2𝑑 2𝑒 ])
𝑒+𝑐 2𝑒 2𝑓

2𝑎 𝑐+𝑏 𝑒+𝑐
𝑇 )𝑇
(𝐴 + 𝐴 = [𝑏 + 𝑐 2𝑑 2𝑒 ]
𝑐+𝑒 2𝑒 2𝑓

También, utilizando propiedades

(𝐴 + 𝐴𝑇 )𝑇 = 𝐴𝑇 + (𝐴𝑇 )𝑇
= 𝐴𝑇 + 𝐴
𝑎 𝑐 𝑒 𝑎 𝑏 𝑐
= [𝑏 𝑑 𝑒] + [𝑐 𝑑 𝑒]
𝑐 𝑒 𝑓 𝑒 𝑒 𝑓
2𝑎 𝑐+𝑏 𝑒+𝑐
(𝐴 + 𝐴𝑇 )𝑇 = [𝑏 + 𝑐 2𝑑 2𝑒 ]
𝑐+𝑒 2𝑒 2𝑓

Ejercicio 16. Muestre que; si 𝐴 es una matriz triangular superior (inferior), entonces 𝐴𝑇
es una matriz triangular inferior (superior)

Solución 16.
0, 𝑖 >𝑗
Sea la matriz triangular superior 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 , 𝑎𝑖𝑗 = {𝑎 , 𝑖 ≤ 𝑗 se desea mostrar que 𝐴𝑇
𝑖𝑗

es una matriz triangular inferior

0, 𝑗<𝑖
𝐴𝑇 = [𝑎𝑗𝑖 ]𝑛×𝑛 , 𝑎𝑗𝑖 = {𝑎 , 𝑗≥𝑖
𝑗𝑖

Veamos, la transpuesta de la matriz triangular superior

0, 𝑖>𝑗
𝐴𝑇 = [𝑎𝑖𝑗 𝑇 ]𝑛×𝑛 , 𝑎𝑖𝑗 𝑇 = 𝑎𝑗𝑖 = {𝑎 , 𝑖≤𝑗
𝑗𝑖

Por lo que

0, 𝑗<𝑖
𝐴𝑇 = [𝑎𝑗𝑖 ] , 𝑎𝑗𝑖 = {𝑎 , 𝑗≥𝑖
𝑛×𝑛 𝑗𝑖

Es una matriz triangular inferior.

19

messages.downloaded_by
 lOMoARcPSD|54809388

También,

0, 𝑖 <𝑗
Sea la matriz triangular inferior 𝐴 = [𝑎𝑖𝑗 ] , 𝑎𝑖𝑗 = {𝑎 , 𝑖 ≥ 𝑗 se desea mostrar que 𝐴𝑇
𝑛×𝑛 𝑖𝑗

es una matriz triangular superior

0, 𝑗>𝑖
𝐴𝑇 = [𝑎𝑗𝑖 ]𝑛×𝑛 , 𝑎𝑗𝑖 = {𝑎 , 𝑗≤𝑖
𝑗𝑖

Veamos, la transpuesta de la matriz triangular inferior

0, 𝑖<𝑗
𝐴𝑇 = [𝑎𝑖𝑗 𝑇 ]𝑛×𝑛 , 𝑎𝑖𝑗 𝑇 = 𝑎𝑗𝑖 = {𝑎 , 𝑖≥𝑗
𝑗𝑖

Por lo que

0, 𝑗>𝑖
𝐴𝑇 = [𝑎𝑗𝑖 ]𝑛×𝑛 , 𝑎𝑗𝑖 = {𝑎 , 𝑗≤𝑖
𝑗𝑖

Es una matriz triangular superior.

Ejercicio 17. Sean las matrices 𝐴 = [𝑎𝑖j ]𝑚×𝑝 𝐵 = [𝑏𝑖𝑗 ]𝑝×𝑛 . Demostrar que (𝐴𝐵)𝑇 =

𝐵𝑇 𝐴𝑇

Solución 17. Se desea demostrar que

(𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇

Se desea demostrar que el 𝑖, 𝑗-esimo elemento de (𝐴𝐵)𝑇 es igual al 𝑖, 𝑗-esimo elemento de

𝐵𝑇 𝐴𝑇

De

𝐴𝐵 = [𝑎𝑖𝑗 ] [𝑏𝑖𝑗 ]𝑝×𝑛

𝑚×𝑝

𝐶 = [𝑐𝑖𝑗 ]
𝑚×𝑛

Luego el 𝑖, 𝑗-esimo elemento de (𝐴𝐵)𝑇 es 𝑐𝑖𝑗 𝑇

Pero

𝑐𝑖𝑗 𝑇 = 𝑐𝑗𝑖 = 𝑓𝑖𝑙𝑎𝑗 (𝐴) ⋅ 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑖 (𝐵)

= (𝑎𝑗1 𝑎𝑗2 ⋯ 𝑎𝑗𝑝 ) ⋅ (𝑏1𝑖 𝑏2𝑖 ⋯ 𝑏𝑝𝑖 )
= 𝑎𝑗1 𝑏1𝑖 + 𝑎𝑗2 𝑏2𝑖 + ⋯ + 𝑎𝑗𝑝 𝑏𝑝𝑖

20

messages.downloaded_by
 lOMoARcPSD|54809388

= 𝑎1𝑗 𝑇 𝑏𝑖1 𝑇 + 𝑎2𝑗 𝑇 𝑏𝑖2 𝑇 + ⋯ + 𝑎𝑝𝑗 𝑇 𝑏𝑖𝑝 𝑇

= 𝑏𝑖1 𝑇 𝑎1𝑗 𝑇 + 𝑏𝑖2 𝑇 𝑎2𝑗 𝑇 + ⋯ + 𝑏𝑖𝑝 𝑇 𝑎𝑝𝑗 𝑇

= 𝑓𝑖𝑙𝑎𝑖 (𝐵𝑇 ) ⋅ 𝑐𝑜𝑙𝑢𝑚n𝑎𝑗 (𝐴𝑇 )

Que es el al 𝑖, 𝑗-esimo elemento de 𝐵𝑇 𝐴𝑇

Finalmente,

(𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇

Ejercicio 18. Sean las matrices 𝑈 y 𝑉 de orden 𝑛 × 1. Demostrar que 𝑈 𝑇 𝑉 = 𝑈 ⋅ 𝑉

(producto escalar)

Solución 18.
Se desea demostrar que: 𝑈 𝑇 𝑉 = 𝑈 ⋅ 𝑉 (producto escalar)

Sean las matrices

𝑢11 𝑣11
𝑢21 𝑣21
𝑈=[ ⋮ ]y𝑉=[ ⋮ ]
𝑢𝑛1 𝑣𝑛1

Entonces

𝑣11
𝑣21
𝑈 𝑇 𝑉 = [𝑢11 𝑢21 ⋯ 𝑢𝑛1 ] [ ]
⋮
𝑣𝑛1
= 𝑢11 𝑣11 + 𝑢21 𝑣21 + ⋯ + 𝑢𝑛1 𝑣𝑛1
= [𝑢11 𝑢21 ⋯ 𝑢𝑛1 ] ⋅ [𝑣11 𝑣21 ⋯ 𝑣𝑛1 ]

Finalmente,

𝑈 𝑇 𝑉 = 𝑈 ⋅ 𝑉(producto escalar)

Ejercicio 19. Sea 𝛼 = −4 y las matrices

2 3 6 4 3 5 4
𝐴 = [3 4 2 ] y 𝐵 = [ 3 2 4 5]
4 5 −1 2 1 3 6
𝑇
verificar que: (𝛼(𝐴𝐵)) = 𝛼(𝐵𝑇 𝐴𝑇 )

𝑇
Solución 19. Se desea verificar (𝛼(𝐴𝐵)) = 𝛼(𝐵𝑇 𝐴𝑇 )

21

messages.downloaded_by
 lOMoARcPSD|54809388

De las matrices 𝐴 y 𝐵 hallamos sus transpuestas

4 3 2
2 3 4
3 2 1
𝐴𝑇 = [3 4 5 ], 𝐵𝑇 = [ ]
5 4 3
6 2 −1
4 5 6

Hallamos el miembro de la izquierda

𝑇
𝑇
2 3 6 4 3 5 4
(𝛼(𝐴𝐵)) = ((−4) [3 4 2 ] [3 2 4 5])
4 5 −1 2 1 3 6
𝑇
29 18 40 59
= ((−4) [28 19 37 44])
29 21 37 35
29 28 29
18 19 21
= (−4) [ ]
40 37 37
59 44 35

Hallamos el miembro de la derecha

4 3 2
2 3 4
3 2 1
𝛼(𝐵𝑇 𝐴𝑇 ) = (−4) ([ ] [3 4 5 ])
5 4 3
6 2 −1
4 5 6

29 28 29
18 19 21
= (−4) [ ]
40 37 37
59 44 35

Igualando ambos miembros se verifica:

𝑇
(𝛼(𝐴𝐵)) = 𝛼(𝐵𝑇 𝐴𝑇 )

1.4.2 MATRIZ SIMÉTRICA

Una matriz 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 es simétrica si 𝐴𝑇 = 𝐴 . Es decir, 𝐴 es una matriz simétrica

si es una matriz cuadrada tal que 𝑎𝑖𝑗 = 𝑎𝑗𝑖

NOTA.

Si la matriz 𝐴 es simétrica, entonces los elementos de 𝐴 son simétricos con respecto

a la diagonal principal de 𝐴.

22

messages.downloaded_by
 lOMoARcPSD|54809388

1.4.3 MATRIZ ANTI SIMÉTRICA

Una matriz 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 es antisimétrica sí 𝐴𝑇 = −𝐴. Es decir, 𝐴 es una matriz

antisimétrica si es una matriz cuadrada tal que 𝑎𝑖𝑗 = −𝑎𝑗𝑖

PROPIEDADES

Sea 𝐴 una matriz cuadrada

𝐴 + 𝐴𝑇 es es una matriz simétrica
𝐴 − 𝐴𝑇 es una matriz antisimétrica
1 1
𝐴 = 2 (𝐴 + 𝐴𝑇 ) + 2 (𝐴 − 𝐴𝑇 )

Ejercicio 20. Sea la matriz

4 −1 −6
𝐴 = [5 2 −5]
6 −3 −4

Exprese la matriz 𝐴 como la suma de una matriz simétrica y otra antisimétrica.

1 1
Solución 20. Se desea expresar 𝐴 = (𝐴 + 𝐴𝑇 ) + (𝐴 − 𝐴𝑇 )
2 2

De la matriz 𝐴 se tiene su transpuesta

4 5 6
𝐴𝑇 = [−1 2 −3]
−6 −5 −4

Hallamos

4 −1 −6 4 5 6 8 4 0
𝐴 + 𝐴𝑇 = [5 2 −5] + [−1 2 −3] = [4 4 −8]
6 −3 −4 −6 −5 −4 0 −8 −8

matriz simétrica

4 −1 −6 4 5 6 0 −6 −12
𝐴 − 𝐴𝑇 = [5 2 −5] − [−1 2 −3] = [ 6 0 −2 ]
6 −3 −4 −6 −5 −4 12 2 0

matriz antisimétrica

Luego la matriz dada 𝐴 queda expresada como

4 −1 −6 1 8 4 0 1 0 −6 −12
𝐴 = [5 2 −5] = [4 4 −8] + [ 6 0 −2 ]
2 2
6 −3 −4 0 −8 −8 12 2 0

23

messages.downloaded_by
 lOMoARcPSD|54809388

1.5 POTENCIACIÓN DE MATRICES

Sea 𝐴 una matriz cuadrada, se define:

𝐴0 = 𝐼, 𝐼 es la matriz identidad del mismo orden que 𝐴.
𝐴2 = 𝐴𝐴
𝐴3 = 𝐴2 𝐴
⋮
𝐴𝑛 = 𝐴𝑛−1 𝐴 para 𝑛 entero no negativo

1.5.1 PROPIEDADES DE POTENCIACIÓN DE MATRICES

Sea 𝑚 y 𝑛 enteros no negativos y 𝐴 una matriz cuadrada

𝐴𝑚 A𝑛 = 𝐴𝑚+𝑛 = 𝐴𝑛+𝑚 = 𝐴𝑛 𝐴𝑚
(𝐴𝑚 )𝑛 = 𝐴𝑚𝑛
Si 𝐴𝐵 = 𝐵𝐴, entonces (𝐴𝐵)𝑛 = 𝐴𝑛 𝐵𝑛
(𝐴𝐵)𝑛 ≠ 𝐴𝑛 𝐵𝑛 en general
(𝐴𝐵)𝑛 = 𝐴𝑛 𝐵𝑛 no esvalido para matrices cuadradas

Ejercicio 21. Sea la matriz

1 0 0
𝐴 = [0 1 1]
1 0 0

Halle 𝐴𝑛

Solución 21. Se desea hallar 𝐴𝑛

Multiplicamos la matriz 𝐴 consigo misma, hasta obtener una regla de formacion

1 0 0 1 0 0 1 0 0
𝐴2 = [0 1 1] [0 1 1] = [2 − 1 1 1]
1 0 0 1 0 0 1 0 0

1 0 0 1 0 0 1 0 0
𝐴3 = [2 − 1 1 1] [0 1 1] = [3 − 1 1 1]
1 0 0 1 0 0 1 0 0

1 0 0 1 0 0 1 0 0
𝐴4 = [3 − 1 1 1] [0 1 1 ] = [4−1 1 1]
1 0 0 1 0 0 1 0 0

1 0 0 1 0 0 1 0 0
𝐴5 = [4 − 1 1 1] [0 1 1] = [5 − 1 1 1]
1 0 0 1 0 0 1 0 0

24

messages.downloaded_by
 lOMoARcPSD|54809388

Generalizando se tiene

1 0 0
𝐴𝑛 = [𝑛 − 1 1 1]
1 0 0

Ejercicio 22. Sea la matriz

1 0 0 0
0 1 1 1
𝐴=[ ]
1 0 0 0
0 1 1 1

Halle 𝐴𝑛

Solución 22. Se desea hallar 𝐴𝑛

Multiplicamos la matriz 𝐴 consigo misma, hasta obtener una regla de formacion

1 0 0 0 1 0 0 0 1 0 0 0
2 0 1 1 1 0 1 1 1 1 2 2 2
𝐴 =[ ][ ]=[ ]
1 0 0 0 1 0 0 0 1 0 0 0
0 1 1 1 0 1 1 1 0 2 2 2

1 0 0 0
2−1 2−1 2−1 2−1
2 −1 2 2 2
𝐴2 = [ ]
1 0 0 0
22−1 − 1 22−1 22−1 22−1

1 0 0 0 1 0 0 0 1 0 0 0
1 2 2 2 0 1 1 1 3 4 4 4
𝐴3 = [ ][ ]=[ ]
1 0 0 0 1 0 0 0 1 0 0 0
0 2 2 2 0 1 1 1 3 4 4 4

1 0 0 0
3−1 3−1
2 − 1 2 23−1 23−1
𝐴3 = [ ]
1 0 0 0
3−1 3−1 3−1
2 −1 2 2 23−1

1 0 0 0 1 0 0 0 1 0 0 0
4 3 4 4 4 0 1 1 1 7 8 8 8
𝐴 =[ ][ ]=[ ]
1 0 0 0 1 0 0 0 1 0 0 0
3 4 4 4 0 1 1 1 7 8 8 8

1 0 0 0
4−1 4−1 4−1 4−1
2 −1 2 2 2
𝐴4 = [ ]
1 0 0 0
24−1 − 1 24−1 24−1 24−1

Generalizando se tiene

25

messages.downloaded_by
 lOMoARcPSD|54809388

1 0 0 0
𝑛−1 𝑛−1
2 − 1 2 2𝑛−1 2𝑛−1
𝐴𝑛 = [ ]
1 0 0 0
2𝑛−1 − 1 2𝑛−1 2n−1 2𝑛−1

1.5.2 MATRIZ INVOLUTIVA

Una matriz cuadrada 𝐴 es involutiva si 𝐴2 = 𝐼

1.5.3 MATRIZ IDEMPOTENTE

Una matriz cuadrada 𝐴 es idempotente si 𝐴2 = 𝐴

1.5.4 MATRIZ PERIÓDICA

Una matriz cuadrada 𝐴 es periódica de periodo 𝑛 si 𝐴𝑛+1 = 𝐴

NOTA

Si 𝐴𝑛+1 = 𝐴, entonces 𝐴𝑞(𝑛)+1 = 𝐴

1.5.5 MATRIZ NILPOTENTE

Una matriz cuadrada 𝐴 es nilpotente de índice 𝑛 si 𝐴𝑛 = 0

Ejercicio 23. Sea la matriz 𝐴 = [ 1 0

], calcular 𝐴𝑛 , 𝑛 ∈ 𝑁
−1 1

Solución 23. Se desea hallar 𝐴𝑛 , 𝑛 ∈ 𝑁.

Multiplicamos sucesivamente la matriz 𝐴 consigo misma se tiene;

1 0 1 0 1 0
𝐴2 = 𝐴𝐴 = [ ][ ]=[ ]
−1 1 −1 1 −2 1

1 0 1 0 1 0
𝐴3 = 𝐴2 𝐴 = [ ][ ]=[ ]
−2 1 −1 1 −3 1

generalizando se tiene que;

1 0
𝐴𝑛 = [ ]
−𝑛 1

Ejercicio 24. Sea la matriz

0 −1 0
𝐴 = [1 1 1]
0 0 −1
Halle 𝐴100

Solución 24. Se desea hallar 𝐴100

26

messages.downloaded_by
 lOMoARcPSD|54809388

Multiplicando sucesivamente la matriz 𝐴 consigo misma se tiene;

0 −1 0 0 −1 0 −1 −1 −1
𝐴2 = 𝐴𝐴 = [1 1 1 ] [1 1 1 ]=[ 1 0 0]
0 0 −1 0 0 −1 0 0 1
−1 −1 −1 0 −1 0 −1 0 0
𝐴3 = 𝐴2 𝐴 = [ 1 0 0 ] [1 1 1 ]=[ 0 −1 0]
0 0 1 0 0 −1 0 0 −1

1 0 0
𝐴3 = (−1) [0 1 0] = (−1)𝐼 = −𝐼
0 0 1

𝐴4 = 𝐴3 𝐴 = (−1)𝐼𝐴 = −𝐴
𝐴5 = 𝐴4 𝐴 = −𝐴𝐴 = −𝐴2
𝐴6 = 𝐴5 𝐴 = −𝐴2 𝐴 = −𝐴3 = 𝐼
𝐴7 = 𝐴6 𝐴 = 𝐼𝐴 = 𝐴

Recordamos; una matriz 𝐴 es periódica de periodo 𝑛 si 𝐴𝑛+1 = 𝐴

por lo que la matriz 𝐴, del ejercicio, es periódica de periodo 𝑛 = 6

luego;

𝐴13 = 𝐴7 𝐴6 = 𝐴𝐼 = 𝐴 = 𝐴2(6)+1

𝐴19 = 𝐴13 𝐴6 = 𝐴𝐼 = 𝐴 = 𝐴3(6)+1

𝐴100 = 𝐴16(6)+1 𝐴3 = 𝐴𝐴3 = 𝐴4 = −𝐴

por lo tanto

0 −1 0 0 1 0
𝐴100 = (−1) [1 1 1 ] = [−1 −1 −1]
0 0 −1 0 0 1
1
Ejercicio 25. Para toda 𝑥 se define 𝑒 𝑥 = ∑∞
𝑘=0 𝑘! 𝑥
𝑘

Mostrar que 𝑒 𝐼 = 𝑒𝐼, 𝐼 es la matriz identidad

1, 𝑖 < 𝑗
Hallar 𝑒 𝐴 si 𝐴 = [𝑎𝑖𝑗 ]3×3 , 𝑎𝑖𝑗 = {
0, 𝑖 ≥ 𝑗
1 1, 𝑖 < 𝑗
Mostrar que 𝑒 𝐴 = ∑𝑛−1 k
𝑘=0 𝑘! 𝐴 si 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 , 𝑎𝑖𝑗 = { 0, 𝑖 ≥ 𝑗

27

messages.downloaded_by
 lOMoARcPSD|54809388

Solución 25. Se desea:

Mostar que 𝑒 𝐼 = 𝑒𝐼, 𝐼 es la matriz identidad
Remplazando 𝑥 por la matriz 𝐼 en
∞
𝑥
1 k
𝑒 =∑ 𝑥
𝑘!
𝑘=0

Tenemos
∞ ∞
1 1
𝑒 = ∑ 𝐼 𝑘 = (∑ 1𝑘 ) 𝐼 = 𝑒𝐼
𝐼
𝑘! 𝑘!
𝑘=0 𝑘=0
𝐼
por lo tanto: 𝑒 = 𝑒𝐼
1, 𝑖 < 𝑗
Hallar 𝑒 𝐴 si 𝐴 = [𝑎𝑖𝑗 ]3×3 , 𝑎𝑖𝑗 = {
0, 𝑖 ≥ 𝑗
Reemplazando 𝑥 por la matriz 𝐴 en
∞
𝑥
1 k
𝑒 =∑ 𝑥
𝑘!
𝑘=0

Tenemos
∞
𝐴
1 k 1 1
𝑒 =∑ 𝐴 = 𝐴0 + 𝐴1 + 𝐴2 + 𝐴3 + ⋯
𝑘! 2! 3!
𝑘=0

Hallamos la matriz 𝐴 en forma explicita

0 1 1
𝐴 = [0 0 1]
0 0 0
𝐴0 = 𝐼
𝐴1 = 𝐴
0 1 1 0 1 1 0 0 1
𝐴2 = 𝐴𝐴 = [0 0 1] [0 0 1] = [0 0 0]
0 0 0 0 0 0 0 0 0
0 0 1 0 1 1 0 0 0
𝐴3 = 𝐴2 𝐴 = [0 0 0] [0 0 1] = [0 0 0]
0 0 0 0 0 0 0 0 0
Por lo que la matriz 𝐴 es nilpotente de índice 3.
Reemplazando en 𝑒 𝐴 se tiene
1 0 0 0 1 1 1 0 0 1 1 0 0 0
𝐴
𝑒 = [0 1 0] + [0 0 1] + [0 0 0] + [ 0 0 0] + ⋯
2! 3!
0 0 1 0 0 0 0 0 0 0 0 0

28

messages.downloaded_by
 lOMoARcPSD|54809388

3
1 1
𝑒𝐴 = [ 2]
0 1 1
0 0 1
1 1, 𝑖 < 𝑗
Mostrar que 𝑒 𝐴 = ∑𝑛−1 k
𝑘=0 𝑘! 𝐴 si 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 , 𝑎𝑖𝑗 = { 0, 𝑖 ≥ 𝑗
Hallamos la matriz 𝐴 en forma explicita
0 1 ⋯ 1
0 0 … 1
𝐴=[ ]
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 0
Calculando
𝐴0 = 𝐼
𝐴1 = 𝐴
0 1 ⋯ 1 0 1 ⋯ 1 0 0 ⋯ 𝑛−2
0 0 … 1 0 0 … 1 0 0 … 𝑛−3
𝐴2 = 𝐴𝐴 = [ ][ ]=[ ]
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ n−2 0 1 ⋯ 1 0 0 ⋯ 𝑛−3
3 2 0 0 … 𝑛−3 0 0 … 1 0 0 … 𝑛−4
𝐴 =𝐴 𝐴=[ ][ ]=[ ]
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 𝑛−3 0 1 ⋯ 1 0 0 ⋯ 𝑛−4
0 0 … 𝑛−4 0 0 … 1 0 0 … 𝑛−5
𝐴4 = 𝐴3 𝐴 = [ ][ ]=[ ]
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
0 0 ⋯ 0 0 0 ⋯ 0 0 0 ⋯ 0
generalizando
0 0 ⋯ 𝑛 − (𝑛 − 1) 0 1 ⋯ 1
0 0 … 1
𝐴𝑛 = 𝐴𝑛−1 𝐴 = [0 0 … 𝑛−𝑛
][ ]
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0
𝑛 0 0 … 0
𝐴 =[ ]
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 0
Por lo que, al remplazar en
∞
𝐴
1 k 1 1 1 1
𝑒 =∑ 𝐴 = 𝐴0 + 𝐴1 + 𝐴2 + 𝐴3 + ⋯ + 𝐴n−1 + 𝐴n + ⋯
𝑘! 2! 3! (𝑛 − 1)! n!
𝑘=0

Se tiene los siguientes términos no nulos

1 2 1 3 1
𝑒 𝐴 = 𝐴0 + 𝐴1 + 𝐴 + 𝐴 + ⋯+ 𝐴n−1
2! 3! (𝑛 − 1)!
Es decir
29

messages.downloaded_by
 lOMoARcPSD|54809388

𝑛−1
𝐴
1 k
𝑒 =∑ 𝐴
𝑘!
𝑘=0

La matriz 𝐴 tiene la propiedad que; cuando su orden coincide con la potencia de la

matriz esta es nula. Es decir;
0 1 0 1 0 0
𝐴2 = [ ][ ]=[ ]
0 0 0 0 0 0
0 1 1 0 1 1 0 1 1 0 0 1 0 1 1
𝐴3 = ([0 0 1] [0 0 1]) [0 0 1] = [0 0 0] [0 0 1]
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0
𝐴3 = [0 0 0]
0 0 0
0 0 ⋯ 𝑛 − (𝑛 − 1) 0 1 ⋯ 1
𝑛 𝑛−1 0 0 … 𝑛−𝑛 0 0 … 1
𝐴 =𝐴 𝐴=[ ][ ]
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
0 0 ⋯ 0 0 0 ⋯ 0
0 0 ⋯ 0
0 0 … 0
𝐴𝑛 = [ ]
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 0

Ejercicio 26. Sea 𝐴 una matriz periódica de periodo 𝑛. Halle 𝐴𝑚 si 𝑚 > 𝑛.

Solución 26. Se desea hallar 𝐴𝑚 si 𝑚 > 𝑛

Como 𝐴 es una matriz periódica de periodo 𝑛 se tiene:

𝐴𝑛+1 = 𝐴 y 𝐴𝛽𝑛+1 = 𝐴, 𝛽 ∈ 𝑁

Veamos los siguientes casos:

Si 𝑚 no es divisible por 𝑛
Por el algoritmo de Euclides se tiene que:
𝑚 = 𝑛𝑞 + 𝑟 , 0 < 𝑟 < 𝑛
Entonces
𝐴𝑚 = 𝐴𝑛𝑞+𝑟 = 𝐴𝑛𝑞+1 𝐴𝑟−1 = 𝐴𝐴𝑟−1 = 𝐴𝑟
Si 𝑚 es divisible (un múltiplo) por(de) 𝑛 . Es decir 𝑚 = 𝑞𝑛, 𝑞 > 1 natural y
𝐴𝛽𝑛+1 = 𝐴, 𝛽 ∈ 𝑁
Entonces
𝐴𝑚 = 𝐴𝑞𝑛 = 𝐴(𝑞−1)𝑛+1+𝑛−1 = 𝐴(𝑞−1)𝑛+1 𝐴𝑛−1 = 𝐴𝐴𝑛−1 = 𝐴𝑛
Por ejemplo:

30

messages.downloaded_by
 lOMoARcPSD|54809388

Para 𝑞 = 2 se tiene que

𝐴𝑚 = 𝐴2𝑛 = 𝐴𝑛+1+𝑛−1 = 𝐴𝑛+1 𝐴𝑛−1 = 𝐴𝐴𝑛−1 = 𝐴𝑛
Para 𝑞 = 3 se tiene que
𝐴𝑚 = 𝐴3𝑛 = 𝐴2𝑛+1+𝑛−1 = 𝐴2𝑛+1 𝐴𝑛−1 = 𝐴𝐴𝑛−1 = 𝐴𝑛
Para 𝑞 = 4 se tiene que
𝐴𝑚 = 𝐴4𝑛 = 𝐴3𝑛+1+𝑛−1 = 𝐴3𝑛+1 𝐴𝑛−1 = 𝐴𝐴𝑛−1 = 𝐴𝑛

1.5.6 MATRICES Y GRAFICAS

Para cualquier grafica3 𝑨 formada por vértices conectados por aristas, el número de
caminos de longitud4 𝒏 del vértice 𝒗𝒊 al vértice 𝒗𝒋 esta dado por la 𝒊, 𝒋 −esima
entrada de la matriz 𝑨𝒏 formada al tomar la 𝒏 −esima potencia de la matriz de
adyacencia5 de la grafica 𝑨 (Hubbard, 1999)

Ejercicio 27. En la gráfica

Halle:

𝑣1
𝑣2 𝑣6

𝑣5

𝑣3

𝑣4

La matriz de adyacencia de la gráfica

El número de caminos posibles de longitud 2

Solución 27. Se desea hallar

La matriz de adyacencia de la gráfica. Es decir, hallar la matriz

3
Una gráfica A es un conjunto finito de puntos, llamado vértices o nodos, junto con un conjunto
finito de aristas, cada una de las cuales une un par de vértices, Una arista que une un vértice consigo
mismo es un lazo.
4
Es el número de aristas del camino
5
Es una matriz cuya 𝐢, 𝐣 −esima entrada es 1 si existe al menos una arista entre 𝐯𝐢 y vj y 0 en caso
contrario.
31

messages.downloaded_by
 lOMoARcPSD|54809388

𝑣1 𝑣2 𝑣3 𝑣4 𝑣5 𝑣6
𝑣1 1 1 0 0 0 0
𝑣2 1 0 0 1 0 0
𝐴 = 𝑣3 0 0 0 1 1 0
𝑣4 0 1 1 0 0 1
𝑣5 0 0 1 0 0 1
𝑣6 [0 0 0 1 1 0]

El número de caminos de longitud 2

Para hallar el número de caminos de longitud 2 determinamos la matriz
1 1 0 0 0 0 1 1 0 0 0 0
1 0 0 1 0 0 1 0 0 1 0 0
2 0 0 0 1 1 0 0 0 0 1 1 0
𝐴 =
0 1 1 0 0 1 0 1 1 0 0 1
0 0 1 0 0 1 0 0 1 0 0 1
[0 0 0 1 1 0] [0 0 0 1 1 0]
𝑣1 𝑣2 𝑣3 𝑣4 𝑣5 𝑣6
𝑣1 2 1 0 1 0 0
𝑣2 1 2 1 0 0 1
𝐴2 = 𝑣3 0 1 2 0 0 2
𝑣4 1 0 0 3 2 0
𝑣5 0 0 0 2 2 0
𝑣6 [0 1 2 0 0 2]

Significa, por ejemplo; que hay 2 diferentes caminos de longitud 2 del vértice 𝑣4 al
vértice 𝑣5

Ejercicio 28. Se la grafica

𝑣8
𝑣5

𝑣7
𝑣6

𝑣4
𝑣3 𝑣2
𝑣1

Halle

La matriz de adyacencia de la gráfica. Es decir, hallar la matriz

El número de caminos posibles de longitud 3
El número de caminos posibles de longitud 4

32

messages.downloaded_by
 lOMoARcPSD|54809388

Solución 28. Se desea hallar

La matriz de adyacencia de la gráfica. Es decir, hallar la matriz
𝑣1 𝑣2 𝑣3 𝑣4 𝑣5 𝑣6 𝑣7 𝑣8
𝑣1 0 1 0 1 0 1 0 0
𝑣2 1 0 1 0 0 0 1 0
𝑣3 0 1 0 1 0 0 0 1
𝐴 = 𝑣4 1 0 1 0 1 0 0 0
𝑣5 0 0 0 1 0 1 0 1
𝑣6 0 0 0 1 1 0 1 0
𝑣7 0 1 0 0 0 1 0 1
𝑣8 [0 0 1 0 1 0 1 0]

Para hallar el número de caminos de longitud 3 determinamos la matriz

0 1 0 1 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 1 0 1 0 0
1 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0
0 1 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 1 0 1 0 0 0 1
1 0 1 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 1 0 1 0 0 0
𝐴3 =
0 0 0 1 0 1 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 1 0 1
0 0 0 1 1 0 1 0 0 0 0 1 1 0 1 0 0 0 0 1 1 0 1 0
0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 1
[0 0 1 0 1 0 1 0] [0 0 1 0 1 0 1 0] [0 0 1 0 1 0 1 0]
0 7 0 7 0 7 0 6
7 0 7 0 6 0 7 0
0 7 0 7 0 6 0 7
7 0 7 0 7 0 6 0
𝐴3 =
0 6 0 7 0 7 0 7
7 0 6 0 7 0 7 0
0 7 0 6 0 7 0 7
[6 0 7 0 7 0 7 0]
Significa, por ejemplo, que hay 6 caminos diferentes de longitud 3 del vértice 𝑣7 al
vértice 𝑣4 , pero no existen caminos de longitud 3 del vértice 𝑣4 al vértice 𝑣6
Para hallar el número de caminos posibles de longitud 4 determinamos la matriz
0 7 0 7 0 7 0 6 0 1 0 1 0 1 0 0
7 0 7 0 6 0 7 0 1 0 1 0 0 0 1 0
0 7 0 7 0 6 0 7 0 1 0 1 0 0 0 1
7 0 7 0 7 0 6 0 1 0 1 0 1 0 0 0
𝐴4 =
0 6 0 7 0 7 0 7 0 0 0 1 0 1 0 1
7 0 6 0 7 0 7 0 0 0 0 1 1 0 1 0
0 7 0 6 0 7 0 7 0 1 0 0 0 1 0 1
[6 0 7 0 7 0 7 0] [0 0 1 0 1 0 1 0]

33

messages.downloaded_by
 lOMoARcPSD|54809388

21 0 20 0 20 0 20 0
0 21 0 20 0 20 0 20
20 0 21 0 20 0 20 0
4 0 20 0 21 0 20 0 20
𝐴 =
20 0 20 0 21 0 20 0
0 20 0 20 0 21 0 20
20 0 20 0 20 0 21 0
[0 20 0 20 0 20 0 21]

Significa, por ejemplo, que hay 20 caminos diferentes de longitud 4 del vértice 𝑣5 al
vértice 𝑣7 , pero no existen caminos de longitud 4 del vértice 𝑣4 al l vértice 𝑣5

1.6 TRAZA DE UNA MATRIZ

Sea la matriz 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 Se define la traza de 𝐴, denotada 𝑡𝑟𝑧(𝐴), como la suma

de todos los elementos de la diagonal principal de 𝐴 es decir;

𝑛

𝑡𝑟𝑧(𝐴) = ∑ 𝑎𝑖𝑖
𝑖=1

PROPIEDADES

Sean 𝐴 y 𝐵 matrices cuadradas de orden 𝑛 y 𝛼 ∈ 𝑅

t𝑟𝑧(𝐴 + 𝐵) = 𝑡𝑟𝑧(𝐴) + 𝑡𝑟𝑧(𝐵)
𝑡𝑟𝑧(𝛼𝐴) = 𝛼𝑡𝑟𝑧(𝐴)
t𝑟𝑧(𝐴B) = 𝑡𝑟𝑧(𝐵𝐴)
𝑡𝑟𝑧(𝐴𝑇 ) = 𝑡𝑟𝑧(A)
𝑡𝑟𝑧(𝐴𝑇 𝐴) = ∑𝑛𝑖=1(∑𝑛𝑗=1 𝑎𝑖𝑗
2
)≥0

0, 𝑖 < 𝑗
Ejercicio 29. Sea la matriz triangular inferior 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 , 𝑎𝑖𝑗 = {a , 𝑖 ≥ 𝑗 Halle la
𝑖𝑗

𝑡𝑟𝑧(𝐴𝑛 ).

Solución 29. Se desea hallar 𝑡𝑟𝑧(𝐴𝑛 ).

Hallamos la matriz 𝐴 en forma explicita

𝑎11 0 ⋯ 0
𝑎 𝑎22 ⋯ 0
𝐴 = [ 21 ]
⋮ ⋮ ⋱ ⋮
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛

Multiplicamos la matriz A consigo misma

34

messages.downloaded_by
 lOMoARcPSD|54809388

𝑎11 0 ⋯ 0 𝑎11 0 ⋯ 0
𝑎 𝑎22 ⋯ 0 𝑎21 𝑎22 ⋯ 0
𝐴2 = [ 21 ][ ]
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛

2
𝑎11 0 ⋯ 0
𝑛
2
∑ 𝑎2𝑘 𝑎𝑘1 𝑎22 ⋯ 0
𝐴2 = 𝑘=1
⋮ ⋮ ⋱ ⋮
𝑛 𝑛
2
∑ 𝑎𝑛𝑘 𝑎𝑘1 ∑ 𝑎n𝑘 𝑎𝑘2 ⋯ 𝑎𝑛𝑛
[𝑘=1 𝑘=1 ]

En general;

𝑛
𝑎11 0 ⋯ 0
𝑛
∑⋯ 𝑎22 ⋯ 0
𝐴𝑛 =
⋮ ⋮ ⋱ ⋮
𝑛
[∑ ⋯ ∑⋯ ⋯ 𝑎𝑛𝑛 ]

Por lo que

𝑡𝑟𝑧(𝐴 𝑛)
= 𝑛
𝑎11 + 𝑛
𝑎22 + ⋯+ 𝑛
𝑎𝑛𝑛 = ∑ 𝑎𝑖𝑖𝑛
𝑖=1

1.7 LA INVERSA DE UNA MATRIZ

Una matriz 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 es invertible si existe una matriz 𝐵 = [𝑏𝑖𝑗 ]𝑛×𝑛 tal que

𝐴𝐵 = 𝐼 = 𝐵𝐴
𝐵 es la matriz inversa de 𝐴 y se denota por 𝐵 = 𝐴−1 o también, 𝐴 es la matriz inversa
de 𝐵 y se denota por 𝐴 = 𝐵−1 .

NOTAS.

Si 𝐴−1 existe, entonces 𝐴 es un matriz denominada no singular (regular) en

caso contrario 𝐴 es singular (o no invertible)
Si 𝐴 es una matriz regular, entonces 𝐴−𝑛 = (𝐴−1 )𝑛 , 𝑛 ∈ 𝑁
No siempre una matriz cuadrada tiene inversa

PROPIEDADES DE LA INVERSA DE UNA MATRIZ

Sean 𝐴 y 𝐵 matrices no singulares, entonces

35

messages.downloaded_by
 lOMoARcPSD|54809388

𝐴−1 es única
(𝐴−1 )−1 = 𝐴
(𝐴𝐵)−1 = 𝐵−1 𝐴−1
(𝛼𝐴)−1 = 𝛼 −1 𝐴−1 , 𝛼 ≠ 0 es un escalar
(𝐴𝑇 )−1 = (𝐴−1 )𝑇

NOTA

Si 𝐴1 , 𝐴2 , ⋯ , 𝐴𝑘−1 , 𝐴𝑘 son matrices no singulares, entonces

(𝐴1 𝐴2 ⋯ 𝐴𝑘−1 𝐴𝑘 )−1 = 𝐴−1 −1 −1 −1
𝑘 𝐴𝑘−1 ⋯ 𝐴2 𝐴1

Ejercicio 30. Sea la matriz 𝐴 = [1 −3]

2 5
−1
Halle 𝐴 si existe
Si existe 𝐴−1 , verificar que (𝐴𝑇 )−1 = (𝐴−1 )𝑇

Solución 30. Se desea

Hallar 𝐴−1 si existe
Recordamos; que 𝐴 es invertible si existe una matriz 𝐵 = 𝐴−1 tal que 𝐴𝐵 = 𝐼. Es
decir;
1 −3 𝑏11 𝑏12 1 0
𝐴𝐵 = [ ][ ]=[ ]=𝐼
2 5 𝑏21 𝑏22 0 1
Multiplicando
𝑏11 − 3𝑏21 𝑏12 − 3𝑏22 1 0
[ ]=[ ]
2𝑏11 + 5𝑏21 2𝑏12 + 5𝑏22 0 1
De donde se obtienen dos sistemas de dos ecuaciones con dos incógnitas cada uno
𝑏11 − 3𝑏21 = 1
{
2𝑏11 + 5𝑏21 = 0
𝑏12 − 3𝑏22 = 0
{
2𝑏12 + 5𝑏22 = 1
Resolviendo
(−2) 𝑏11 − 3𝑏21 = 1 2 5
{ ↝ 11𝑏21 = −2 ↝ 𝑏21 = − , b11 =
2𝑏11 + 5𝑏21 = 0 11 11
(−2) 𝑏12 − 3𝑏22 = 0 1 3
{ ↝ 11𝑏22 = 1 ↝ 𝑏22 = , 𝑏12 =
2𝑏12 + 5𝑏22 = 1 11 11
Se obtiene la matriz inversa de 𝐴

36

messages.downloaded_by
 lOMoARcPSD|54809388

5 3
1 5 3
𝐴−1 = 𝐵 = [ 11 11] = [ ]
2 1 11 −2 1
−
11 11
Como 𝐴−1 existe, verificar que (𝐴𝑇 )−1 = (𝐴−1 )𝑇
Hallamos;
5 2
1 2 (𝐴−1 )𝑇 − 11
𝑇
𝐴 =[ ], = [11
3 1 ]
−3 5
11 11

Ahora, hallamos (𝐴𝑇 )−1

1 2 𝑐11 𝑐12 1 0
𝐴𝑇 (𝐴𝑇 )−1 = [ ][ 𝑐22 ] = [0 1] = 𝐼
−3 5 𝑐21
Multiplicando se obtiene
𝑐11 + 2𝑐21 𝑐12 + 2𝑐22 1 0
[ ]=[ ]
−3𝑐11 + 5𝑐21 −3𝑐12 + 5𝑐22 0 1
De donde se obtiene dos sistemas de dos ecuaciones con dos incógnitas cada uno
𝑐11 + 2𝑐21 = 1
{
−3𝑐11 + 5𝑐21 = 0
𝑐12 + 2𝑐22 = 0
{
−3𝑐12 + 5𝑐22 = 1
Resolviendo
(3) 𝑐 + 2𝑐21 = 1 3 5
{ 11 ↝ 11𝑐21 = 3 ↝ 𝑐21 = , 𝑐11 =
−3𝑐11 + 5𝑐21 = 0 11 11
(3) 𝑐12 + 2𝑐22 = 0 1 2
{ ↝ 11𝑐22 = 1 ↝ 𝑐22 = , 𝑐12 = −
−3𝑐12 + 5𝑐22 = 1 11 11
Se obtiene la matriz inversa de 𝐴𝑇
5 2
−
(𝐴𝑇 )−1 = [11 11] = 1 [5 −2]
3 1 11 3 1
11 11
Finalmente, se verifica
(𝐴𝑇 )−1 = (𝐴−1 )𝑇

1.8 OPERACIONES ELEMENTALES SOBRE UNA MATRIZ

Las operaciones elementales o transformaciones elementales por filas (o columnas)

sobre una matriz son las siguientes:
Al intercambio de dos filas (o dos columnas) y se denota por:𝑓𝑖 ×
𝑓𝑗 (𝑐𝑖 × 𝑐𝑗 )

37

messages.downloaded_by
 lOMoARcPSD|54809388

A la multiplicación de una fila ( o una columna) por un escalar no nulo 𝛼 se

denota por: 𝛼𝑓𝑖 (𝛼𝑐𝑖 )
A una fila (o columna) le sumamos el múltiplo de otra fila (o columna) se
denota por:𝑓𝑖 + 𝛼𝑓𝑗 (𝑐𝑖 + 𝛼𝑐𝑗 )

1.9 MATRICES EQUIVALENTES

Las matrices 𝐴 y 𝐵 son equivalentes si una de ellas se ha obtenido a partir de la otra

por medio de un número finito de operaciones elementales. Y se denota 𝐴~𝐵 (o
𝐵~𝐴) y se lee; la matriz 𝐴 es equivalente a la matriz 𝐵 (o la matriz 𝐵 es equivalente
a la matriz 𝐴)

Ejercicio 31. Obtener una matriz equivalente, al aplicar sucesivamente, las operaciones
elementales por filas sobre la matriz
1 1 0 2
𝐴 = [3 0 −4 −1]
2 5 1 3

Solución 31. Se desea obtener una matriz 𝐵 equivalente a la matriz 𝐴

Aplicamos sucesivamente las tres operaciones elementales por filas sobre la matriz 𝐴

1 1 0 2 𝑓1 ×𝑓2 3 0 −4 −1 3𝑓2 3 0 −4 −1
𝐴 = [3 0 −4 −1] → [1 1 0 2 ] → [3 3 0 6]
2 5 1 3 2 5 1 3 2 5 1 3

Se intercambia la fila 1 por la fila 2, se multiplica la fila 2 por el número 3, luego, a la fila
2 le sumamos la multiplicación de la fila 3 por el numero −2

𝑓2 +(−2)𝑓3 3 0 −4 −1
→ [−1 −7 −2 0 ] = 𝐵
2 5 1 3

Obteniéndose la matriz 𝐵 equivalente a la matriz 𝐴

1.10 MATRIZ ESCALONADA REDUCIDA

Una matriz 𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 es escalonada reducida si tiene la siguiente estructura:

Si existen filas nulas estas se encuentran en la parte inferior de la matriz

El primer elemento no nulo de cada una de las filas no nulas es la unidad,
llamado la entrada principal de la fila.
En cada una de las filas no nulas, el número de ceros que preceden a la
unidad crece de fila a fila.
38

messages.downloaded_by
 lOMoARcPSD|54809388

Todas las columnas que contienen una entrada principal de alguna fila,
tienen cero en todas las entradas restantes
Es decir;
1 𝑎 0 𝑏 0 ⋯ 𝑥
0 0 1 𝑐 0 ⋯ 𝑦
0 0 0 0 1 ⋯ 𝑧
𝐴=
0 0 0 0 0 ⋯ 0
⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
[0 0 0 0 0 ⋯ 0]
Observación. Una matriz escalonada reducida podría no tener filas que consten
completamente de ceros

NOTAS.

Una matriz que cumple las condiciones (1), (2) y (3) se dice que está en
forma escalonada o es una matriz escalonada.
Una matriz cuadrada escalonada es una matriz triangular superior
Toda matriz distinta de la nula es equivalente por filas a una única matriz
en forma escalonada reducida por filas
El procedimiento para obtener una matriz en forma escalonada reducida
por filas consiste; de izquierda a derecha, en anular primero las entradas
debajo de la entrada principal de la fila y luego las que están por encima de
derecha a izquierda

Ejercicio 32. Reconocer si las siguientes matrices son matrices escalonadas o matrices
escalonadas reducidas:
1 0 0 4 1 2 0 0 2 1 5 1 2 1 2 0
[0 1 0 5], [0 0 1 0 1], [0 1 3 4], [0 1 0],
0 0 1 2 0 0 0 1 0 0 0 1 5 0 0 1

1 0 0 3 0
1 0 −1 0 2 1 2 −2 0 0
0 0 1 0 0
0 1 2 0 −1 0 0 1 3 1
[ ], [ ], 0 0 0 0 1
0 0 0 1 3 0 0 0 1 3
0 0 0 1 0
0 0 0 0 0 0 0 0 0 0 [
0 0 0 0 0]

Solución 32. Se desea reconocer si las matrices dadas son matrices escalonadas reducidas
o matrices escalonadas.

39

messages.downloaded_by
 lOMoARcPSD|54809388

1 0 0 4 1 2 0 0 2 1 5 1 2 1 2 0
[0 1 0 5] , [0 0 1 0 1] , [0 1 3 4] , [0 1 0] ,
⏟0 0 1 2 ⏟0 0 0 1 0 ⏟0 0 1 5 ⏟0 0 1
𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎 𝑟𝑒𝑑𝑢𝑐𝑖𝑑𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎 𝑟𝑒𝑑𝑢𝑐𝑖𝑑𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎
1 0 0 3 0
1 0 −1 0 2 1 2 −2 0 0
0 0 1 0 0
0 1 2 0 −1 0 0 1 3 1
[ ] ,[ ], 0 0 0 0 1
0 0 0 1 3 0 0 0 1 3
0 0 0 1 0
⏟0 0 0 0 0 ⏟ 0 0 0 0 0 [⏟0
𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎 𝑟𝑒𝑑𝑢𝑐𝑖𝑑𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎
0 0 0 0]
𝑛𝑜 𝑒𝑠 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑐𝑎𝑙o𝑛a𝑑𝑎
𝑛𝑖 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎 𝑟𝑒𝑑𝑢𝑐𝑖𝑑𝑎

Ejercicio 33. Reducir a la forma escalonada la matriz

2 5 3
1 2 2
𝐴=[ ]
3 4 1
2 3 2

Solución 33. Se desea obtener una matriz escalonada 𝐵 equivalente a la matriz 𝐴

Aplicando operaciones elementales por filas, reducimos la matriz 𝐴 a su forma escalonada

2 5 3 1 2 2 𝑓→2 +(−2)𝑓1 1 2 2 𝑓 +(2)𝑓 1 2 2

3 2
1 2 2 𝑓1 ×𝑓2 2 5 3 𝑓3 +(−3)𝑓1 0 1 −1 → 0 1 −1
𝐴=[ ]→ [ ]→ [ ] 𝑓 +(1)𝑓 [ ]
3 4 1 3 4 1 0 −2 −5 4 2 0 0 −7
𝑓 +(−2)𝑓1 →
2 3 2 2 3 2 →4 0 −1 −2 0 0 −3

1 1 2 2 1 2 2
(− )𝑓3
7
→ 0 1 −1 𝑓4 +(−1)𝑓3 0 1 −1
1 [ ]→ [ ]=𝐵
(− )𝑓4 0 0 1 0 0 1
3
→ 0 0 1 0 0 0

1 2 2
0 1 −1
Obteniéndose la matriz escalonada 𝐵 = [ ] equivalente a la matriz 𝐴
0 0 1
0 0 0

Ejercicio 34. Halle una única matriz equivalente a la matriz

2 5 3
1 2 2
𝐴=[ ]
3 4 1
2 3 2

Solución 34. Se desea hallar la matriz escalonada reducida 𝐵 equivalente a la matriz 𝐴.

Pues toda matriz no nula es equivalente por filas a una única matriz en forma escalonada
reducida por filas.
Aplicando operaciones elementales por filas, reducimos la matriz 𝐴 a su forma escalonada
reducida
40

messages.downloaded_by
 lOMoARcPSD|54809388

2 5 3 1 2 2 𝑓→2 +(−2)𝑓1 1 2 2 𝑓 +(2)𝑓 1 2 2

3 2
1 2 2 𝑓1 ×𝑓2 2 5 3 𝑓3 +(−3)𝑓1 0 1 −1 → 0 1 −1
𝐴=[ ]→ [ ]→ [ ] 𝑓 +(1)𝑓 [ ]
3 4 1 3 4 1 0 −2 −5 4 2 0 0 −7
𝑓 +(−2)𝑓1 →
2 3 2 2 3 2 →4 0 −1 −2 0 0 −3

1 1 2 2 1 2 2 1 2 0
(− )𝑓3 𝑓2 +𝑓3
7
→ 0 1 −1 𝑓4 +(−1)𝑓3 0 1 −1 → 0 1 0
1 [ ]→ [ ] 𝑓 +(−2)𝑓 [ ]
(− )𝑓4 0 0 1 0 0 1
→
1 3 0 0 1
3
→ 0 0 1 0 0 0 0 0 0

1 0 0
𝑓1 +(−2)𝑓2 0 1 0
→ [ ]=𝐵
0 0 1
0 0 0

𝐵 es una matriz escalonada reducida y la única matriz equivalente a la matriz A

1.11 RANGO DE UNA MATRIZ

DEFINICIÓN El rango de una matriz es igual al número de filas no nulas de su

forma escalonada.
DEFINICIÓN. Dos matrices equivalentes tienen el mismo rango.
Notación. El rango de una matriz 𝐴 se denota por: 𝑟(𝐴)

Ejercicio 35. Sea la matriz

2 5 3
1 2 2
𝐴=[ ]
3 4 1
2 3 2

halle el rango de la matriz 𝐴.

Solución 35. Se desea hallar el número de filas no nulas de la matriz escalonada

equivalente a la matriz 𝐴
Por el ejercicio anterior se conoce que la matriz

2 5 3 1 2 2
1 2 2 0 1 −1
𝐴=[ ] es equivalente por filas a la matriz escalonada 𝐵 = [ ]
3 4 1 0 0 1
2 3 2 0 0 0

Entonces

𝑟(𝐴) = 𝑟(𝐵) = 3

41

messages.downloaded_by
 lOMoARcPSD|54809388

1.12 INVERSA DE UNA MATRIZ MEDIANTE OPERACIONES ELEMENTALES

Se calcula la inversa de una matriz mediante operaciones elementales por filas y se

conoce como:

1.12.1 MÉTODO PRACTICO PARA DETERMINAR LA INVERSA DE UNA

MATRIZ

El método práctico para calcular la inversa de la matriz 𝐴 = [𝑎𝑖𝑗 ] es el siguiente:

𝑛×𝑛

Formar la matriz [𝐴 ⋮ 𝐼 ] de orden 𝑛 × 2𝑛, obtenida al juntar la matriz

identidad 𝐼 de orden 𝑛 con la matriz 𝐴.
Transformar la matriz [𝐴 ⋮ 𝐼 ] a su forma escalonada reducida por filas.
Sea la matriz escalonada reducida por filas [𝐸 ⋮ 𝐵]
Si 𝐸 = 𝐼, entonces 𝐵 = 𝐴−1
Si 𝐸 ≠ 𝐼, entonces uno de los elementos de la diagonal principal de 𝐸 es cero.
En este caso, 𝐴 es singular y 𝐴−1 no existe.
O también se puede seguir el siguiente esquema;
𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠
𝑝o𝑟 𝑓𝑖𝑙𝑎 𝑝𝑜𝑟 𝑓𝑖𝑙𝑎
[𝐴 ⋮ 𝐼 ] → [𝐸1 ⋮ 𝐵1 ]
⏟ → [𝐼 ⋮ 𝐵]
𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎

En la matriz [𝐸1 ⋮ 𝐵1 ] si uno de los elementos de la diagonal principal de la matriz

𝐸1 es cero, entonces 𝐴 es singular y 𝐴−1 no existe. En caso contrario 𝐴 es no singular
y 𝐵 = 𝐴−1

NOTA

Una matriz 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 es no singular si y solo si es equivalente por filas a la matriz
1, 𝑖 = 𝑗
𝐼𝑛 = 𝐼 = [𝛿𝑖𝑗 ]𝑛×𝑛 , 𝛿𝑖𝑗 = { delta de kronecker.
0, 𝑖 ≠ 𝑗

Ejercicio 36. Sea la matriz

1 −1 1
𝐴 = [0 0 1]
1 1 −1

Calcular 𝐴−1 si existe.

Solución 36. Se desea hallar 𝐴−1 si existe.

Aplicando el método práctico

42

messages.downloaded_by
 lOMoARcPSD|54809388

1 −1 1 1 0 0 𝑓3 +(−1)𝑓1 1 −1 1 1 0 0
[ 𝐴 ⋮ 𝐼 ] = [0 0 1 | 0 1 0] → [0 0 1 | 0 1 0]
1 1 −1 0 0 1 0 2 −2 −1 0 1

𝑓2 ×𝑓3 1 −1 1 1 0 0 (1)𝑓2 1 −1 1 1 0 0
2 1 1
→ [0 2 −2|−1 0 1] → 0 1 −1 ||−
2 0 2
0 0 1 0 1 0 ⏟
0 0 1 0 1 0
[ 𝐸1 ]

La matriz escalonada 𝐸1 no presenta elementos nulos en su diagonal principal, por lo que

𝐴−1 si existe

1 1
𝑓2 +𝑓3 1 −1 0 1 −1 0 𝑓1 +𝑓2 1 0 0 2 0 2
→ 1 1 →
[
𝑓1 +(−1)𝑓3 0 1 0|− ] 0 1 0| 1 1
2 1 2 − 1 2
→ 0 0 1 0 1 0 0 0 1 2
[ 0 1 0]

Finalmente;

1 1
0
2 2 1 1 0 1
𝐴−1 = 1 1 = [−1 2 1]
− 1 2
2 2 0 2 0
[ 0 1 0 ]

Ejercicio 37. Un carpintero fabrica sillas, Mesas para café y mesas para comedor. Se
necesitan 10 minutos para lijar una silla, 6 para pintarla y 12 para barnizarla. Se necesitan
12 minutos para lijar una mesa para café, 8 para pintarla y 12 para barnizarla. Se necesitan
15 minutos para lijar una mesa para comedor, 12 para pintarla y 18 para barnizarla. La mesa
de lijado está disponible 16 horas a la semana, la mesa de pintura 11 horas a la semana y la
mesa de barnizado 18 horas. ¿Cuántas unidades de cada mueble deben fabricarse por
semana de modo que las mesas de trabajo se ocupen todo el tiempo disponible?

Solución 37. Se desea hallar el número de unidades de cada mueble que deben fabricarse
por semana de modo que las mesas de trabajo se ocupen todo el tiempo disponible.
Identificamos las matrices;

Matriz de muebles por acabado y la matriz, de disponibilidad, acabado por minuto:

𝑙. 𝑝. 𝑏.
𝑠𝑖𝑙𝑙𝑎𝑠 10 6 12
𝐴𝑚𝑢𝑒𝑏𝑙𝑒𝑠×𝑎𝑐𝑎𝑏𝑎𝑑𝑜 =
𝑚. 𝑐𝑎𝑓𝑒 [12 8 12]
𝑚. 𝑐𝑜𝑚𝑒𝑑𝑜𝑟 15 12 18

43

messages.downloaded_by
 lOMoARcPSD|54809388

Donde; 𝑙. es lijado, 𝑝. es pintado, 𝑏. es barnizado

ℎ𝑜𝑟𝑎𝑠 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝑙. 16 960
𝐶𝑎𝑐𝑎𝑏𝑎𝑑𝑜×𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = [
𝑝. [ 11 ] = 660 ]
𝑏. 18 1080

Se desea conocer la matriz de muebles por minuto. Esto es;

𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝑠𝑖𝑙𝑙𝑎𝑠 𝑏11
𝐵𝑚𝑢𝑒𝑏𝑙𝑒𝑠×𝑚𝑖𝑛𝑢𝑡𝑜 = [𝑏21 ]
𝑚. 𝑐𝑎𝑓𝑒
𝑚. 𝑐𝑜𝑚𝑒𝑑𝑜𝑟 𝑏31

Luego

𝐴𝑎𝑐𝑎𝑏𝑎𝑑𝑜×𝑚𝑢𝑒𝑏𝑙𝑒𝑠 𝐵𝑚𝑢𝑒𝑏𝑙𝑒𝑠×𝑚𝑖𝑛𝑢𝑡𝑜 = 𝐶𝑎𝑐𝑎𝑏𝑎𝑑𝑜×𝑚𝑖𝑛𝑢𝑡𝑜𝑠

(𝐴𝑚𝑢𝑒𝑏𝑙𝑒𝑠×𝑎𝑐𝑎𝑏𝑎𝑑𝑜 )𝑇 𝐵𝑚𝑢𝑒𝑏𝑙𝑒𝑠×𝑚𝑖𝑛𝑢𝑡𝑜 = 𝐶𝑎𝑐𝑎𝑏𝑎𝑑𝑜×𝑚𝑖𝑛𝑢𝑡𝑜𝑠

De donde

𝐵 = (𝐴𝑇 )−1 𝐶

Ahora utilizando el método práctico calculamos (𝐴𝑇 )−1

10 12 15 1 0 0 𝑓1 ×𝑓3 12 12 18 0 0 1
[𝐴𝑇 ⋮ 𝐼 ] = [ 6 8 12|0 1 0] → [6 8 12|0 1 0]
12 12 18 0 0 1 10 12 15 1 0 0

1
1 3 1 𝑓2 +(−6)𝑓1 30 0 12
( )𝑓1
12
1 1 2 0 0 12 → 1 1 2| 1
→ [6 8 12|0 1 0 ] 𝑓3 +(−10)𝑓1 0 2 3|0 1 −2
10 12 15 1 0 0 → 0 2 01 0 5
− ]
[ 6

1 1
3 0 0 1 3 0 0
1 1 12 (2)𝑓2 1 1 12
𝑓3 +(−1)𝑓2 2| 1 → 2| 1 1
→ 0 2 3 |0 1 − 2 (−1)𝑓 0 3 0 −
1 | 2 4
3 2 1
0 0 −3 1 −1 − 1 → 3 1 1
[ 3] [0 0 1−
3 3 9 ]

1 1 1 1 1
3 −2 − 12 0 −2
𝑓2 +(− )𝑓3
2 1 1 0| 2 1 0 0| 3
→ 1 5 𝑓→1 +(−1)𝑓2 1 5
3 0 1 0 0 − 0 1 0 0 −
𝑓1 +(− )𝑓3 0 0 | 2 12 | 2 12
2 1 1 1 1 0 0 1 1 1 1
→ −3 −3
[ 3 9 ] [ 3 9 ]

44

messages.downloaded_by
 lOMoARcPSD|54809388

Luego

1 1
0 −
2 3
1 5
(𝐴𝑇 )−1 = 0 −
2 12
1 1 1
−
[ 3 3 9 ]

finalmente;

1 1
0 −
2 3
1 5 960 30
𝐵 = (𝐴𝑇 )−1 𝐶 = 0 − [ 660 ] = [ 30]
2 12 1080 20
1 1 1
−
[ 3 3 9 ]

En una semana, de modo que las mesas de trabajo se ocupen todo el tiempo disponible, se
deben fabricar 30 sillas, 30 mesas para café y 20 mesas para comedor.

Ejercicio 38. Sean 𝐴 y 𝐵 matrices cuadradas del mismo orden invertibles. Halle la matriz
𝑋 en la siguiente ecuación: (𝐴−1 𝑋 𝑇 𝐵)𝑇 + 𝐼 = 𝐵𝑇 𝐴

Solución 38. Se desea hallar la matriz 𝑋 en la siguiente ecuación:

(𝐴−1 𝑋 𝑇 𝐵)𝑇 + 𝐼 = 𝐵𝑇 𝐴

De

(𝐴−1 𝑋 𝑇 𝐵)𝑇 + 𝐼 = 𝐵𝑇 𝐴

𝐵𝑇 (𝐴−1 𝑋 𝑇 )𝑇 + 𝐼 = 𝐵𝑇 𝐴 pues (𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇

multiplicando ambos miembros por la derecha por la matriz (𝐵𝑇 )−1

(𝐵𝑇 )−1 (𝐵𝑇 (𝐴−1 𝑋 𝑇 )𝑇 + 𝐼) = (𝐵𝑇 )−1 𝐵𝑇 𝐴

por la propiedad distributiva y asociativa de la multiplicación de matrices se tiene

(𝐵𝑇 )−1 𝐵𝑇 (𝐴−1 𝑋 𝑇 )𝑇 + (𝐵𝑇 )−1 𝐼 = (𝐵𝑇 )−1 𝐵𝑇 𝐴

la multiplicación de una matriz por su inversa es igual a la matriz identidad

𝐼(𝐴−1 𝑋 𝑇 )𝑇 + (𝐵𝑇 )−1 𝐼 = I𝐴

45

messages.downloaded_by
 lOMoARcPSD|54809388

La multiplicación de una matriz, por la derecha o por la izquierda, con la matriz identidad
es dicha matriz

(𝐴−1 𝑋 𝑇 )𝑇 + (𝐵𝑇 )−1 = 𝐴

Como (𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇 , 𝐴 + (−𝐴) = 0, 𝐴 + 𝑂 = 𝐴, (𝐴𝑇 )𝑇 = 𝐴, (𝐴−1 )𝑇 = (𝐴𝑇 )−1

entonces se tiene

𝑋(𝐴𝑇 )−1 = 𝐴 − (𝐵−1 )𝑇

Multiplicando ambos miembros, por la derecha, por la matriz 𝐴𝑇 se tiene

𝑋(𝐴𝑇 )−1 𝐴𝑇 = (𝐴 − (𝐵−1 )𝑇 )𝐴𝑇

𝑋𝐼 = (𝐴 − (𝐵−1 )𝑇 )𝐴𝑇 pues 𝐴−1 𝐴 = 𝐼

𝑋 = (𝐴 − (𝐵 −1 )𝑇 )𝐴𝑇 pues 𝐴𝐼 = 𝐴

Finalmente;

𝑋 = (𝐴 − (𝐵−1 )𝑇 )𝐴𝑇

46

messages.downloaded_by
 lOMoARcPSD|54809388

II. SISTEMAS DE ECUACIONES LINEALES

Muchos problemas de las ciencias naturales, sociales y de la ingeniería se tratan con

ecuaciones que relacionan dos conjuntos de variables.

Una ecuación del tipo 𝑎𝑥 = 𝑏, expresa la variable 𝑏 en términos de la variable 𝑥 y la

constante 𝑎, es una ecuación lineal. La palabra lineal se utiliza en este caso debido a que la
gráfica de la ecuación es una línea recta.

De manera análoga, la ecuación

𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 = 𝑏

que expresa 𝑏 en términos de las variables 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 y las constantes conocidas

𝑎1 , 𝑎2 , ⋯ , 𝑎𝑛 es una ecuación lineal.

En general, un sistema de 𝑚 ecuaciones lineales en 𝑛 incógnitas, o simplemente un sistema

lineal, es un conjunto de 𝑚 ecuaciones lineales, cada una con 𝑛 incógnitas.

Un sistema lineal se puede escribir como

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2

⋮ ⋮ ⋯ ⋮ ⋮

𝑎m1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚

y es equivalente a la ecuación matricial

𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 𝑏1

𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2 𝑏2
[ ⋮ ⋮ ⋱ ⋮ ][ ⋮ ] = [ ⋮ ]
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑚

en forma compacta o implícita se tiene

𝐴𝑥 = 𝑏

Donde; 𝐴 es la matriz de los coeficientes, 𝑥 es la matriz de las incógnitas y 𝑏 la matriz de

los términos independientes.

NOTAS

47

messages.downloaded_by
 lOMoARcPSD|54809388

Si 𝑏 ≠ 0, entonces el sistema 𝐴𝑥 = 𝑏 se denomina sistema de ecuaciones lineales

no homogéneo.
Si 𝑏 = 0, entonces el sistema 𝐴𝑥 = 0 se denomina sistema de ecuaciones lineales
homogéneo.
La matriz
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑏1
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑏2
𝐴𝑎 = [𝐴|𝑏] = [ ⋮ ⋮ ⋱ ⋮ | ⋮ ]
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑏𝑚

Se denomina matriz aumentada o ampliada del sistema 𝐴𝑥 = 𝑏

2.1 SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

Veamos los siguientes resultados:

El sistema lineal 𝐴𝑥 = 𝑏 es consistente si tiene una o más soluciones en caso
contrario el sistema lineal es inconsistente si no tiene solucion.
Sean 𝐴𝑥 = 𝑏 y 𝐶𝑥 = 𝑑 dos sistemas lineales, cada uno con 𝑚 ecuaciones y
𝑛 incógnitas. Si las matrices aumentadas [𝐴|𝑏] y [𝐶|𝑑] y de estos sistemas
son equivalentes por filas, entonces ambos sistemas lineales tienen
exactamente las mismas soluciones.
En consecuencia: si 𝐴 y 𝐶 son dos matrices de orden 𝑚 × 𝑛 equivalentes por
filas, entonces los sistemas lineales 𝐴𝑥 = 0 y 𝐶𝑥 = 0 tienen las mismas
soluciones.
El sistema lineal 𝐴𝑥 = 𝑏 es consistente si y solo si 𝑟(𝐴) = 𝑟(𝐴𝑎 )
El sistema 𝐴𝑥 = 𝑏 tiene solución única si y solo si 𝑟(𝐴) = 𝑟(𝐴𝑎 ) = 𝑛 número
de incógnitas
El sistema 𝐴𝑥 = 𝑏 tiene más de una solución (infinitas soluciones) si 𝑟(𝐴) =
𝑟(𝐴𝑎 ) = 𝑘 < 𝑛, entonces existen 𝑛 − 𝑘 variables o incógnitas del sistema que
toman valores arbitrarios (variables libres)
El sistema lineal 𝐴𝑥 = 𝑏 es inconsistente (no existen soluciones) si y solo si
𝑟(𝐴) ≠ 𝑟(𝐴𝑎 )
El sistema homogéneo 𝐴𝑥 = 0 de 𝑚 ecuaciones en 𝑛 incógnitas siempre es
consistente, pues siempre tiene la solución nula (solución trivial) o solucion
no nula(solucion no trivial).

48

messages.downloaded_by
 lOMoARcPSD|54809388

El sistema homogéneo 𝐴𝑥 = 0 de 𝑚 ecuaciones en 𝑛 incógnitas siempre

tiene:
Una solución no trivial si 𝑚 < 𝑛; es decir, si el número de incógnitas es
mayor que el número de ecuaciones.
Una solucion trivial si 𝑚 ≥ 𝑛, es decir el numero de ecuaciones es mayor o
igual al numero de incognitas.
Si 𝐴 es una matriz de orden 𝑛, el sistema homogéneo 𝐴𝑥 = 0 tiene una
solución no trivial si y solo si 𝐴 es singular.
Si 𝐴 es una matriz de orden 𝑛, el sistema homogéneo 𝐴𝑥 = 0 sólo tiene la
solución trivial si y solo si 𝐴 es no singular.

2.1.1 ELIMINACIÓN GAUSSIANA6

El método de eliminación gaussiana para resolver el sistema de ecuaciones lineales

𝐴𝑥 = 𝑏 consiste en los siguientes pasos:
Formar la matriz aumentada [𝐴|𝑏]
Transformar la matriz aumentada a su forma escalonada mediante
operaciones elementales por filas
Resolver el sistema que corresponde a la matriz escalonada obtenida en el
paso (2) mediante sustitucion regresiva.

2.1.2 REDUCCIÓN DE GAUSS-JORDAN7

El procedimiento de reducción de Gauss-Jordan para resolver el sistema de

ecuaciones lineales 𝐴𝑥 = 𝑏 consiste en los siguientes pasos:
Formar la matriz aumentada [𝐴|𝑏]
Transformar la matriz aumentada a su forma escalonada reducida
mediante operaciones elementales por filas
El sistema que corresponde a la matriz escalonada reducida obtenida en en
el paso (2) tiene exactamente las mismas soluciones que el sistema lineal
dado. Para cada fila distinta de cero de la matriz en forma escalonada
reducida, se despeja la incógnita correspondiente a la entrada principal de

6
Tomado del libro Algebra lineal con aplicaciones y Matlab (KOLMAN, 1999, pág. 539)
7
Tomado del libro Algebra lineal con aplicaciones y Matlab (KOLMAN, 1999, pág. 54)

49

messages.downloaded_by
 lOMoARcPSD|54809388

la fila. Las filas nulas se ignoran, pues la ecuación correspondiente será

satisfecha por cualesquier valor de las incógnitas.

NOTA

En la práctica los pasos (1), (2) y (3) se efectúan en un solo procedimiento

2.1.3 FACTORIZACIÓN LU

Para resolver el sistema de ecuaciones lineales 𝐴𝑥 = 𝑏, donde 𝐴 = [𝑎𝑖𝑗 ] se puede

𝑛×𝑛

escribir como el producto de una matriz 𝐿 en forma triangular inferior y una matriz
𝑈 en forma triangular superior. Es decir, el sistema 𝐴𝑥 = 𝑏 se puede escribir como
(𝐿𝑈)𝑥 = 𝑏 donde; 𝐴 = 𝐿𝑈 tiene una factorización 𝐿𝑈 o una descomposición 𝐿𝑈 y
se resuelve del siguiente modo
(𝐿𝑈)𝑥 = 𝑏
𝐿(𝑈𝑥) = 𝑏
Si 𝑈𝑥 = 𝑧, se tiene
𝐿𝑧 = 𝑏
Como 𝐿 es una matriz triangular inferior se resuelve mediante sustitución hacia
adelante. Determinado 𝑧 y como 𝑈 es una matriz triangular superior se resuelve
𝑈𝑥 = 𝑧 mediante sustitución regresiva, obteniéndose la solución 𝑥 del sistema de
ecuaciones lineales 𝐴𝑥 = 𝑏.
Para determinar la factorización 𝐴 = 𝐿𝑈 la única operación permitida es la suma de
un múltiplo real de una fila a otra distinta. (KOLMAN, 1999, pág. 551)
Ejercicio 39. Resolver el sistema de ecuaciones lineales, bien puede decirse, halle la
intersección de los siguientes planos
2𝑦 + 2𝑥 + 6𝑧 = 10
2𝑥 − 𝑦 + 4𝑧 = 11
𝑧−𝑦 =3
𝑥
Solución 39. Se desea hallar los valores de las incógnitas. Es decir, hallar la matriz [𝑦].
𝑧
Para ello utilizaremos primero el método de la eliminación gaussiana y luego la reducción
de Gauss-Jordan
Mediante el método de la eliminación gaussiana
Ordenando el sistema se tiene
2𝑥 + 2𝑦 + 6𝑧 = 10

50

messages.downloaded_by
 lOMoARcPSD|54809388

2𝑥 − 𝑦 + 4𝑧 = 11
−𝑦 + 𝑧 = 3
En forma matricial
2 2 6 𝑥 10
[2 −1 4] [𝑦] = [11]
0 −1 1 𝑧 3
Tomando la matriz aumentada del sistema y reduciendo por filas a su forma
escalonada
1
2 2 6 10 ( )𝑓1 1 1 3 5 𝑓2 +(−2)𝑓1 1 1 3 5
2
𝐴𝑎 = [2 −1 4|11] → [2 −1 4|11] → [0 −3 −2|1]
0 −1 1 3 0 −1 1 3 0 −1 1 3
1 1 3 5 5
1
(− )𝑓2 1 1 3 5 2 1 (−5)𝑓3 1 1 3 1
3

→
3 2 1 𝑓3 +(−1)𝑓2 0 1 3 − → 2−
[0 1 3 |− ] → | 3 0 1 3| 3
(−1)𝑓3 3 5 8 8
→ 0 1 −1 −3 [0 0 − 3 − 3] [0 0 1 5 ]
Luego el sistema de ecuaciones lineales representado por la matriz escalonada es
𝑥 + 𝑦 + 3𝑧 = 5
2 1
𝑦+ 𝑧=−
3 3
8
𝑧=
5
Utilizando sustitución regresiva se tiene
8
𝑧=
5
1 2 8 7
𝑦=− − ( )=−
3 3 5 5
7 8 8
𝑥 = 5 − (− ) − 3 ( ) =
5 5 5
Finalmente,
8
𝑥 5
7
[𝑦] = −
𝑧 5
8
[ 5 ]
Mediante la reducción de Gauss-Jordan
Ordenando el sistema se tiene
2𝑥 + 2𝑦 + 6𝑧 = 10
2𝑥 − 𝑦 + 4𝑧 = 11

51

messages.downloaded_by
 lOMoARcPSD|54809388

−𝑦 + 𝑧 = 3
En forma matricial
2 2 6 𝑥 10
[2 −1 4] [𝑦] = [11]
0 −1 1 𝑧 3
Tomando la matriz aumentada del sistema y reduciendo por filas a su forma
escalonada reducida
1
2 2 6 10 ( )𝑓1 1 1
3 5 𝑓2 +(−2)𝑓1 1 1 3 5
2
𝐴𝑎 = [2 −1 4|11] → [2 4|11] → −1 [0 −3 −2|1]
0 −1 1 3 0 1 3 −1 0 −1 1 3
1 3 5 1 5
1
(− )𝑓2 1 1 3 5 2 1
3
(− )𝑓3
1 1 3 1
3 2 𝑓
1 3 +(−1)𝑓2 0 1 3 |− → 5 2−
→ [0 1 3 |− ] → 3 0 1 3| 3
(−1)𝑓3 3 5 8 8
→ 0 1 −1 −3 [0 0 − 3 − 3] [0 0 1 5 ]
1 8
2
𝑓2 +(− )𝑓3 1 1 0 5 5
3 | 7 𝑓1 +(−1)𝑓2 1 0 0| 7
→ 0 1 0− → 0 1 0−
𝑓1 +(−3)𝑓3 | 5 | 5
→ 0 0 1 8 0 0 1 8
[ 5 ] [ 5 ]
matriz escalonada reducida
Luego el sistema de ecuaciones lineales representado por la matriz escalonada
reducida es
8
𝑥=
5
7
𝑦=−
5
8
𝑧=
5
En forma matricial
8
𝑥 5
7
[𝑦] = −
𝑧 5
8
[ 5 ]
solución única del sistema dado, pues 𝑟(𝐴𝑎 ) = 𝑟(𝐴) = 3 numero de incógnitas.
Mediante factorización 𝐿𝑈
Para resolver el sistema 𝐴𝑥 = 𝑏 se sigue
(𝐿𝑈)𝑥 = 𝑏
𝐿(𝑈𝑥) = 𝑏

52

messages.downloaded_by
 lOMoARcPSD|54809388

Si 𝑈𝑥 = 𝑧, se tiene
𝐿𝑧 = 𝑏
Hallamos la factorización 𝐿𝑈 de la matriz de coeficientes
2 2 6
𝐴 = [2 −1 4]
0 −1 1
Mediante el procedimiento siguiente
Hacemos ceros debajo de la primera entrada diagonal de 𝐴
2 2 6 𝑓2 +(−1)𝑓1 2 2 6
𝐴 = [2 −1 4] → 𝑈1 = [0 −3 −2]
0 −1 1 0 −1 1
Se inicia la construccion de la matriz triangular inferior con unos en su diagonal
principal escribiendo los negativos de los factores utilizados en las operaciones por
fila en la primera columna debajo de la primera entrada diagonal. Esto es
1 0 0
𝐿1 = [1 1 0]
0 1
Hacemos ceros debajo de la segunda entrada diagonal de 𝑈1 y se repite el
procedimiento anterior obteniendose 𝑈2
1 2 2 6
2 2 6 𝑓3 +(− )𝑓2
3 0 −3 −2
𝑈1 = [0 −3 −2] → 𝑈2 = [ 5]
0 −1 1 0 0
3
Escribimos los negativos de los factores utilizados en las operaciones por fila en la
segunda columna debajo de la segunda entrada diagonal de 𝐿1 . Obteniendose
1 0 0
1 1 0
𝐿2 = [ 1 ]
0 1
3
Finalmente, 𝑈2 = 𝑈 y 𝐿2 = 𝐿 por lo que
1 0 0 2 2 6
L = [1 1 0] , 𝑈 = [0 −3 −2] y
1 5
0 3
1 0 0 3
1 0 0 2 2 6
2 2 6
1 1 0 0 −3 −2
𝐴 = [2 −1 4] = [ 1 ][ 5 ] = 𝐿𝑈
0 −1 1 0 1 0 0
3 3
Resolvemos 𝐿𝑧 = 𝑏

53

messages.downloaded_by
 lOMoARcPSD|54809388

1 0 0 𝑧
1 10
1 1 0 𝑧
[ 1 ] [ 2 ] = [11]
0 1 𝑧3 3
3
Mediante sustitución hacia adelante
𝑧1 = 10
𝑧2 = 11 − 𝑧1 = 11 − 10 = 1
1 1 8
𝑧3 = 3 − 𝑧2 = 3 − (1) =
3 3 3
Ahora resolvemos 𝑈𝑥 = 𝑧
2 2 6 10
𝑥
0 −3 −2 1
[ 5 ] [𝑦] = [ 8 ]
0 0 𝑧
3 3
Mediante sustitución regresiva
3 8 8
𝑧= ( )=
5 3 5
1 1 8 7
𝑦 = − (1 + 2𝑧) = − (1 + 2 ( )) = −
3 3 5 5
1 1 7 8 8
𝑥 = (10 − 2𝑦 − 6𝑧) = (10 − 2 (− ) − 6 ( )) =
2 2 5 5 5
Finalmente,
8
𝑥 5
7
[𝑦] = −
𝑧 5
8
[ 5 ]
8 7 8
Los planos se intersecan en el punto ( , − , )
5 5 5

Ejercicio 40. Determinar la ecuación vectorial de la intersección de los siguientes

hiperplanos
𝑥 + 𝑦 + 2𝑧 − 5𝑤 = 3
2𝑥 + 5𝑦 − 𝑧 − 9𝑤 = −3
2𝑥 + 𝑦 − 𝑧 + 3𝑤 = −11
𝑥 − 3𝑦 + 2𝑧 + 7𝑤 = −5
Solución 40. Se desea hallar la ecuación vectorial de la intersección de los hiperplanos. Es
decir, resolver el sistema
𝑥 + 𝑦 + 2𝑧 − 5𝑤 = 3

54

messages.downloaded_by
 lOMoARcPSD|54809388

2𝑥 + 5𝑦 − 𝑧 − 9𝑤 = −3
2𝑥 + 𝑦 − 𝑧 + 3𝑤 = −11
𝑥 − 3𝑦 + 2𝑧 + 7𝑤 = −5
En forma matricial
1 1 2 −5 𝑥 3
2 5 −1 −9 𝑦 −3
[ ][ ] = [ ]
2 1 −1 3 𝑧 −11
1 −3 2 7 𝑤 −5
Aplicamos el procedimiento de Gauss-Jordan.
Reducimos por filas la matriz aumentada del sistema
1 1 2 −5 3 𝑓→2 +(−2)𝑓1 1 1 2 −5 3
2 5 −1 −9 −3 𝑓3 +(−2)𝑓1 0 3 −5 1 −9
𝐴𝑎 = [ | ] [ | ]
2 1 −1 3 −11 → 0 −1 −5 13 −17
𝑓4 +(−1)𝑓1
1 −3 2 7 −5 → 0 −4 0 12 −8
1 1 2 −5 3 1 1 2 −5 3
𝑓2 ×𝑓3 0 −1 −5 13 −17 (−1)𝑓2 0 1 5 −13 17
→ [ | ]→ [ | ]
0 3 −5 1 −9 0 3 −5 1 −9
0 −4 0 12 −8 0 −4 0 12 −8
𝑓3 +(−3)𝑓2
1 1 2 −5 3 1 1 2 −5 3
→ 0 1 5 −13 17 𝑓4 +𝑓3 0 1 5 −13 17
[ | ]→ [ | ]
𝑓4 +(4)𝑓2 0 0 −20 40 −60 0 0 −20 40 −60
→
0 0 20 −40 60 0 0 0 0 0
1 1 1 2 −5 3 𝑓 +(−5)𝑓 1 1 0 −1 −3
(− )𝑓3 2 3
20 0 1 5 −13 17 → 0 1 0 −3 2
→ [ | ] 𝑓 +(−2)𝑓 [ | ]
0 0 1 −2 3 1 3 0 0 1 −2 3
→
0 0 0 0 0 0 0 0 0 0
1 0 0 2 −5
𝑓1 +(−1)𝑓2 0 1 0 −3 2
→ [ | ]
0 0 1 −2 3
0 0 0 0 0
Matriz escalonada reducida, donde 𝑟(𝐴) = 𝑟(𝐴𝑎 ) = 3 < 4 numero de incógnitas. Por lo
que, existen 𝑁º 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑙𝑖𝑏𝑟𝑒𝑠 = 4 − 3 = 1(existen infinitas soluciones)
El sistema correspondiente a la matriz escalonada reducida es
𝑥 + 2𝑤 = −5
𝑦 − 3𝑤 = 2
𝑧 − 2𝑤 = 3
Sea 𝑤 = 𝑡 , 𝑡 ∈ 𝑅
Despejando en cada ecuación la incógnita se tiene:
𝑥 = −5 − 2𝑤 = −5 − 2𝑡
𝑦 = 2 + 3𝑤 = 2 + 3𝑡

55

messages.downloaded_by
 lOMoARcPSD|54809388

𝑧 = 3 + 2𝑤 = 3 + 2𝑡
La solución en forma matricial
𝑥 −5 − 2𝑡 −5 −2𝑡 −5 −2
𝑦 2 + 3𝑡 2 3𝑡 2 3
[ ]=[ ] = [ ]+[ ] = [ ] + 𝑡[ ],𝑡 ∈ 𝑅
𝑧 3 + 2𝑡 3 2𝑡 3 2
𝑤 𝑡 0 𝑡 0 1
Finalmente, la ecuación vectorial de la intersección de los hiperplanos es la recta 𝐿 en 𝑅 4
dada por
𝐿: 𝑃 = (−5,2,3,0) + 𝑡(−2,3,2,1) , 𝑡 ∈ 𝑅
Ejercicio 41. El polinomio de interpolación es aquel polinomio de grado 𝑛 − 1 o menor
donde 𝑛 es el número de puntos que interpola (de paso). Hallar el polinomio de
interpolación que interpola los siguientes puntos:(0, −1), (2,3), (3,32), (−1,0) y (−2,27)
Solución 41. Se desea hallar el polinomio de interpolación de grado 4 o menor, pues el
número de punto que interpola es 5. Es decir;
𝑃(𝑥) = 𝑎4 𝑥 4 + 𝑎3 𝑥 3 + 𝑎2 𝑥 2 + 𝑎1 𝑥 + 𝑎0
Como los puntos dados satisfacen el polinomio se tiene;
(0, −1) ∈ 𝑃(𝑥) ↝ 𝑎0 = −1
(2,3) ∈ 𝑃(𝑥) ↝ 16𝑎4 + 8𝑎3 + 4𝑎2 + 2𝑎1 + 𝑎0 = 3
(3,32) ∈ 𝑃(𝑥) ↝ 81𝑎4 + 27𝑎3 + 9𝑎2 + 3𝑎1 + 𝑎0 = 32
(−1,0) ∈ 𝑃(𝑥) ↝ 𝑎4 − 𝑎3 + 𝑎2 − 𝑎1 + 𝑎0 = 0
(−2,27) ∈ 𝑃(𝑥) ↝ 16𝑎4 − 8𝑎3 + 4𝑎2 − 2𝑎1 + 𝑎0 = 27
Obteniéndose el sistema de ecuaciones lineales
𝑎0 = −1
16𝑎4 + 8𝑎3 + 4𝑎2 + 2𝑎1 + 𝑎0 = 3
81𝑎4 + 27𝑎3 + 9𝑎2 + 3𝑎1 + 𝑎0 = 32
𝑎4 − 𝑎3 + 𝑎2 − 𝑎1 + 𝑎0 = 0
16𝑎4 − 8𝑎3 + 4𝑎2 − 2𝑎1 + 𝑎0 = 27
En forma matricial tenemos
0 0 0 0 1 𝑎0 −1
16 8 4 2 1 𝑎1 3
81 27 9 3 1 𝑎2 = 32
1 −1 1 −1 1 𝑎3 0
[16 −8 4 −2 1] [𝑎4 ] [ 27 ]

Aplicamos el procedimiento de Gauss-Jordan para resolver el sistema. Sea la matriz

aumentada y reduciendo por filas a su forma escalonada reducida se tiene;

56

messages.downloaded_by
 lOMoARcPSD|54809388

0 0 0 0 1 −1 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 1 0 0 0 0 1
16 8 4 2 1 3 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠
𝑝𝑜𝑟 𝑓𝑖𝑙𝑎𝑠
0 1 0 0 0 −2
𝐴𝑎 = 81 27 9 3 1|| 32 → 0 0 1 0 0|| 0
1 −1 1 −1 1 0 0 0 0 1 0 2
[16 −8 4 −2 1 27 ] [0 0 0 0 1 −1]

Despejando de cada ecuación la incógnita correspondiente a la entrada principal, del

sistema lineal correspondiente a la matriz escalonada reducida, se tiene la solución del
sistema lineal. Es decir;

𝑎0 1
𝑎1 −2
𝑎2 = 0
𝑎3 2
[𝑎4 ] [−1]

Finalmente, el polinomio de interpolación buscado es

𝑃(𝑥) = −𝑥 4 + 2𝑥 3 − 2𝑥 + 1
Ejercicio 42. Considere una sociedad sencilla, formada por un agricultor, que produce
todo el alimento; un carpintero, que construye todas las viviendas y un sastre que fabrica
toda la ropa. Cada individuo produce una unidad de cada bien durante 3 meses. Suponga
que, durante dicho tiempo, la parte de cada bien que es consumida por cada individuo está
dada en la siguiente tabla (KOLMAN, 1999, págs. 82,462)
Bienes Bienes Consumidos por
Producidos por Agricultor Carpintero Sastre
7 5 1
Agricultor
16 16 4
1 1 1
Carpintero
2 6 3
3 5 1
Sastre
16 16 2
7
Así, el agricultor consume de su propio producto, mientras que el carpintero consume
16
5 5
del producto del agricultor, el carpintero consume de la ropa fabricada por el
16 16
sastre, etc. Determinar los precios relativos por unidad de bien de modo que nadie gane ni
pierda.
Solución 42. Se desea determinar los precios relativos por unidad de bien de modo que
nadie gane ni pierda.

57

messages.downloaded_by
 lOMoARcPSD|54809388

Sean;
𝑝1 el precio de una unidad de bien producido por el agricultor.
𝑝2 el precio de una unidad de bien producido por el carpintero.
𝑝3 el precio de una unidad de bien producido por el sastre
Para que nadie gane ni pierda, se entiende, que los gastos son iguales a sus ingresos, pues
cada miembro de la sociedad produce una unidad del bien. Es decir, se tiene el sistema
lineal
7 1 3
𝑝 + 𝑝2 + 𝑝 = 𝑝1 gastos igual a ingresos de agricultor
16 1 2 16 3
5 1 5
𝑝
16 1
+ 6 𝑝2 + 16 𝑝3 = 𝑝2 gastos igual a ingresos de carpintero
1 1 1
𝑝
4 1
+ 3 𝑝2 + 2 𝑝3 = 𝑝3 gastos igual a ingresos de sastre

En forma matricial se tiene

7 1 3
16 2 16 𝑝 𝑝1
5 1 5 𝑝1 𝑝
[ 2] = [ 2]
16 6 16 ⏟𝑝3 ⏟𝑝3
1 1 1 𝑃 𝑃
[4
⏟ 3 2]
𝐴
7 1 3
16 2 16 𝑝1
5 1 5 1 0 0
− [0 𝑝
1 0] [ 2 ] = 0
16 6 16 0 0 1 𝑝3
1 1 1
([ 4 3 2] )
Expresión que se puede escribir como el sistema homogéneo:(𝐴 − 𝐼)𝑃 = 0
Ahora;
Si la matriz 𝐴 − 𝐼 es no singular, entonces 𝑃 = 0 (solución trivial), no tiene sentido,
significaría que todos los precios son nulos.
Si la matriz 𝐴 − 𝐼 es singular, entonces 𝑃 ≠ 0 (solución no trivial). Aplicando el
procedimiento de Gauss-Jordan se tiene;
9 1 3 0
− 16 (−16)𝑓1 9 −8 −3 0 4 0
2 16 → 40 1 −2
5 5 5 | (16)𝑓 5 − 5 |0 𝑓→1 ×𝑓3 3
𝐴𝑎 = − 6 16 0 → 2 3 | 40 |0
16 | 4 5 − 3 5|
(4)𝑓3
1 1 1 → [1 −2 ] [9 −8 −3 0]
[ 4 − 0 ] 3 0
3 2

58

messages.downloaded_by
 lOMoARcPSD|54809388

4 0 4 0 4
1 −2
1 1 −2 0
𝑓3 +(−1)𝑓2 1 −2
𝑓2 +(−5)𝑓1 (− )𝑓2 3
→ 3 3 20
[0 | ] → [0 →
𝑓3 +(−9)𝑓1 −20 15 0 −20 15 |0] 0
3|0
1 −4
→ −20 15 0 0 0
0 0 0 [0 0 0 0]
4
𝑓1 +(− )𝑓2
0 −1 0
1
3 3
→ [0
1 − 4|0] matriz escalonada reducida.
0
0 0 0
Matriz escalonada reducida, donde 𝑟(𝐴) = 𝑟(𝐴𝑎 ) = 2 < 3 numero de incógnitas. Por lo
que, existen 𝑁º 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑙𝑖𝑏𝑟𝑒𝑠 = 3 − 2 = 1(existen infinitas soluciones)
El sistema correspondiente a la matriz escalonada reducida es
𝑝1 − 𝑝3 = 0
3
𝑝2 − 𝑝3 = 0
4
Sea 𝑝3 = 𝑡 , 𝑡 ∈ 𝑅 cualquier número real y despejando en cada ecuación la incógnita
correspondiente a la entrada principal, del sistema lineal correspondiente a la matriz
escalonada reducida, se tiene la solución del sistema lineal. Es decir;
𝑝1 = 𝑝3 = 𝑡
3 3
𝑝2 = 𝑝3 = 𝑡
4 4
Finalmente, los precios relativos por unidad de bien de modo que nadie gane ni pierda esta
dado por;
𝑡
3 𝑡 4 4
𝑃 = [ 𝑡 ] = [ 3] = 𝑟 [ 3] , 𝑟 ∈ 𝑅
4 4
𝑡 4 4

Ejercicio 43. Sean (−1,1), (−2, −15), (1,3), (2,49), (3,325), (0,1) puntos de paso de la
gráfica del polinomio 𝑃(𝑥). Halle dicho polinomio.
Solución 43. Se desea hallar el polinomio 𝑃(𝑥) cuya grafica pasa o interpola a los 6 puntos
dados.
Recordamos que; el grado de un polinomio 𝑃(𝑥) que interpola 𝑛 puntos es menor o igual
a𝑛−1
Por lo que se desea hallar los coeficientes del polinomio
𝑃(𝑥) = 𝑎5 𝑥 5 + 𝑎4 𝑥 4 + 𝑎3 𝑥 3 + 𝑎2 𝑥 2 + 𝑎1 𝑥 + 𝑎0
Remplazando los puntos dados
(−1,1) ∈ 𝑃(𝑥) ↝ 1 = −𝑎5 + 𝑎4 − 𝑎3 + 𝑎2 − 𝑎1 + 𝑎0
(−2, −15) ∈ 𝑃(𝑥) ↝ −15 = −32𝑎5 + 16𝑎4 − 8𝑎3 + 4𝑎2 − 2𝑎1 + 𝑎0

59

messages.downloaded_by
 lOMoARcPSD|54809388

(1,3) ∈ 𝑃(𝑥) ↝ 3 = 𝑎5 + 𝑎4 + 𝑎3 + 𝑎2 + 𝑎1 + 𝑎0
(2,49) ∈ 𝑃(𝑥) ↝ 49 = 32𝑎5 + 16𝑎4 + 8𝑎3 + 4𝑎2 + 2𝑎1 + 𝑎0
(3,325) ∈ 𝑃(𝑥) ↝ 325 = 243𝑎5 + 81𝑎4 + 27𝑎3 + 9𝑎2 + 3𝑎1 + 𝑎0
(0,1) ∈ 𝑃(𝑥) ↝ 1 = 𝑎0
Se obtiene el sistema
−𝑎5 + 𝑎4 − 𝑎3 + 𝑎2 − 𝑎1 + 𝑎0 = 1
−32𝑎5 + 16𝑎4 − 8𝑎3 + 4𝑎2 − 2𝑎1 + 𝑎0 = −15
𝑎5 + 𝑎4 + 𝑎3 + 𝑎2 + 𝑎1 + 𝑎0 = 3
32𝑎5 + 16𝑎4 + 8𝑎3 + 4𝑎2 + 2𝑎1 + 𝑎0 = 49
243𝑎5 + 81𝑎4 + 27𝑎3 + 9𝑎2 + 3𝑎1 + 𝑎0 = 325
𝑎0 = 1
En forma matricial
−1 1 −1 1 −1 1 𝑎5 1
−32 16 −8 4 −2 1 𝑎4 −15
1 1 1 1 1 1 𝑎3 3
𝑎 =
32 16 8 4 2 1 2 49
243 81 27 9 3 1 𝑎1 325
[ 0 0 0 0 0 1] [𝑎0 ] [ 1 ]
Tomando la matriz aumentada y aplicando reducción Gauss Jordan
−1 1 −1 1 −1 1 1 1 1 1 11 1 3
−32 16 −8 4 −2 1 −15 −32 16 −8 4−2 1 −15
1 1 1 1 1 1 3 𝑓1 ×𝑓3 −1 1 −1 1−1 1 1
32 16 8 4 2 1 49 → 32 16 8 42 1 49
243 81 27 9 3 1 325 243 81 27 93 1 325
[ 0 0 0 0 0 1 1 ] [ 0 0 0 00 1 1 ]
𝑓2 +(32)𝑓1 1 1 1 1 1 1 3
→ 0 48 24 36 30 31 81
𝑓3 +𝑓1
→ 0 2 0 2 0 2 4
𝑓4 +(−32)𝑓1 0 −16 −24 −28 −30 −31 −47
→
𝑓5 +(−243)𝑓1 0 −162 −216 −234 −240 −242 −404
→ [0 0 0 0 0 1 1 ]
1 0 0 0 0 0 1
0 1 0 0 0 0 1
0 0 1 0 0 0 0
0 0 0 1 0 0 0
0 0 0 0 1 0 0
[0 0 0 0 0 1 1]
Luego,

60

messages.downloaded_by
 lOMoARcPSD|54809388

𝑎5 1
𝑎4 1
𝑎3 0
𝑎2 = 0
𝑎1 0
[𝑎0 ] [1]
Finalmente, el polinomio es
𝑃(𝑥) = 𝑥 5 + 𝑥 4 + 1
Ejercicio 44. Determinar los valores de 𝑘 ∈ 𝑅 para que el sistema
𝑘𝑥 + 𝑘𝑦 + (𝑘 + 1)𝑧 = 𝑘
𝑘𝑥 + 𝑘𝑦 + (𝑘 − 1)𝑧 = 2 − 𝑘
𝑥 + (𝑘 + 4)𝑧 = 1 − 𝑘
Tenga solución única. Hallar dicha solución
Sea inconsistente. Verifique su respuesta.
Solución 44. Se desea determinar los valores reales de 𝑘 para que:
El sistema tenga solución única. El sistema en forma matricial es
𝑘 𝑘 𝑘+1 𝑥 𝑘
[𝑘 𝑘 𝑘 − 1] [𝑦] [2 − 𝑘 ]
1 0 𝑘+4 𝑧 1−𝑘
Aplicando el método de reducción de Gauss-Jordan. Tomando la matriz aumentada
o ampliada del sistema y reduciendo por filas se tiene;
𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑘 𝑘 𝑘+1 𝑘 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 1 0 𝑘+4 1−𝑘
𝑝𝑜𝑟 𝑓𝑖𝑙𝑎
[k 𝑘 𝑘−1 2 − 𝑘] → [0 𝑘 −3𝑘 − 1 − 𝑘 2 2 − 2𝑘 + 𝑘 2 ]
1 0 𝑘+4 1−𝑘 0 0 2 −2 + 2𝑘
1
( )𝑓2 1 0 𝑘+4 1−𝑘
𝑘
→ [ −3𝑘 − 1 − 𝑘 2 2 − 2𝑘 + 𝑘 2
1 0 1 ] , 𝑘 ∈ 𝑅 − {0}
( )𝑓3 𝑘 𝑘
2
→ 0 0 1 −1 + 𝑘
De la matriz escalonada reducida se tiene que;
e) r(𝐴) = 𝑟(𝐴𝑎 ) = 3 numero de incógnitas, por lo que, el sistema tiene
solución única para todo 𝑘 ∈ 𝑅 − {0}
f) El sistema de ecuaciones correspondiente es
𝑥 + (𝑘 + 4)𝑧 = 1 − 𝑘
−3𝑘 − 1 − 𝑘 2 2 − 2𝑘 + 𝑘 2
𝑦+( )𝑧 =
𝑘 𝑘
𝑧 = −1 + 𝑘
Aplicando sustitución regresiva tenemos

61

messages.downloaded_by
 lOMoARcPSD|54809388

𝑧 = −1 + 𝑘
2 − 2𝑘 + 𝑘 2 −3𝑘 − 1 − 𝑘 2
𝑦= −( )𝑧
𝑘 𝑘
2 − 2𝑘 + 𝑘 2 −3𝑘 − 1 − 𝑘 2
= −( ) (−1 + 𝑘)
𝑘 𝑘
𝑘 3 + 3𝑘 2 − 4𝑘 + 1
𝑦=
𝑘
𝑥 = 1 − 𝑘 − (𝑘 + 4)𝑧 = 1 − 𝑘 − (𝑘 + 4)(−1 + 𝑘) = 5 − 4𝑘 − 𝑘 2
En forma matricial, se tiene:

𝑥 5 − 4𝑘 − 𝑘 2
𝑘 + 3𝑘2 − 4𝑘 + 1
3
[𝑦 ] = [ ] , 𝑘 ∈ 𝑅 − {0}
𝑧 𝑘
−1 + 𝑘
Solución única del sistema.
El sistema sea inconsistente.
Como el sistema tiene solución única para todo 𝑘 ∈ 𝑅 − {0}, entonces el sistema
tiene infinitas soluciones o es inconsistente (incompatible) cuando 𝑘 = 0.
Verificando tenemos, la matriz aumentada o ampliada del sistema y reduciendo por
filas
𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
0 0 1 0 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 1 0 4 1
𝑝𝑜𝑟 𝑓𝑖𝑙𝑎
[0 0 −1 2] → [0 0 −1 2 ]
1 0 4 1 0 0 2 −2
(−1)𝑓2
→ 1 0 4 1 𝑓3 +(−1)𝑓2 1 0 4 1
1
( )𝑓3
[0 0 1 −2] → [0 0 1 −2]
→
2 0 0 1 −1 0 0 0 1
De la matriz escalonada reducida se tiene que;
r(𝐴) = 2 ≠ 3 = 𝑟(𝐴𝑎 ) por lo que, el sistema es inconsistente o no tiene solucion
para 𝑘 = 0

Ejercicio 45. En 𝑅 3
Sean 𝑃0 y 𝑃 dos puntos. Halle una expresión para el punto 𝑃, después de sufrir una
rotación, en sentido antihorario, de un ángulo 𝜃 en forma paralela al plano 𝑌𝑍
respecto de 𝑃0
Sean 𝑃0 (1,3,2) y 𝑃(2,8,6). Halle el punto 𝑃 después de sufrir una rotación, en
sentido antihorario, de un ángulo 𝜃 = 37° en forma paralela al plano 𝑌𝑍 respecto
de 𝑃0 .

62

messages.downloaded_by
 lOMoARcPSD|54809388

Solución 45. Se desea hallar:

Una expresión para el punto 𝑃, después de sufrir una rotación, en sentido
antihorario, de un ángulo 𝜃 en forma paralela al plano 𝑌𝑍 respecto de 𝑃0
El punto 𝑃 después de sufrir la rotación lo denotamos como 𝑃𝑟 . En la figura se
observa
Z
̅̅̅̅̅̅ ̅̅̅̅̅̅
𝑃0 𝑃𝑟 = ‖𝑃 0 𝑃𝑟 ‖ (cos(𝛼
⏟ + 𝜃) , 𝑠𝑒𝑛(𝛼 + 𝜃)) 𝑃𝑟
̅
𝑢 𝑃
𝑢̅ es un vector unitario paralelo al plano 𝑌𝑍 𝜃
𝛼
̅̅̅̅̅̅
y ‖𝑃 ̅̅̅̅̅
0 𝑃𝑟 ‖ = ‖𝑃0 𝑃‖
𝑃0
Desarrollando tenemos X
Y
̅̅̅̅̅̅ ̅̅̅̅̅
𝑃0 𝑃𝑟 = ‖𝑃 0 𝑃‖(cos 𝛼𝑐𝑜𝑠𝜃 − 𝑠𝑒𝑛𝛼𝑠𝑒𝑛𝜃, 𝑐𝑜𝑠𝛼𝑠𝑒𝑛𝜃 + 𝑠𝑒𝑛𝛼𝑐𝑜𝑠𝜃)

̅̅̅̅̅̅ ⏟̅̅̅̅̅
𝑃0 𝑃𝑟 = (‖𝑃 0 𝑃‖𝑐𝑜𝑠𝛼 𝑐𝑜𝑠𝜃 − ⏟
̅̅̅̅̅
‖𝑃 0 𝑃‖𝑠𝑒𝑛𝛼 𝑠𝑒𝑛𝜃, ⏟
̅̅̅̅̅
‖𝑃 0 𝑃‖𝑐𝑜𝑠𝛼 𝑠𝑒𝑛𝜃
𝑦−𝑦0 𝑧−𝑧0 𝑦−𝑦0

+⏟̅̅̅̅̅
‖𝑃 0 𝑃‖𝑠𝑒𝑛𝛼 𝑐𝑜𝑠𝜃)
𝑧−𝑧0

̅̅̅̅̅̅
𝑃0 𝑃𝑟 = ((𝑦 − 𝑦0 )𝑐𝑜𝑠𝜃 − (𝑧 − 𝑧0 )𝑠𝑒𝑛𝜃, (𝑦 − 𝑦0 )𝑠𝑒𝑛𝜃 + (𝑧 − 𝑧0 )𝑐𝑜𝑠𝜃 )
Las coordenadas, correspondiente al eje 𝑋, tanto del punto 𝑃(𝑥, 𝑦, 𝑧) como del punto
rotado 𝑃𝑟 (𝑥𝑟 , 𝑦𝑟 , 𝑧𝑟 ) es la misma, pues se rota en forma paralela al plano 𝑌𝑍
𝑃𝑟 = 𝑃0 + (𝑦 − 𝑦0 )(0, 𝑐𝑜𝑠𝜃, 𝑠𝑒𝑛𝜃) + (𝑧 − 𝑧0 )(0, −𝑠𝑒𝑛𝜃, 𝑐𝑜𝑠𝜃)
𝑃𝑟 = 𝑃0 + (𝑥 − 𝑥0 )(1,0,0) + (𝑦 − 𝑦0 )(0, 𝑐𝑜𝑠𝜃, 𝑠𝑒𝑛𝜃)
+ (𝑧 − 𝑧0 )(0, −𝑠𝑒𝑛𝜃, 𝑐𝑜𝑠𝜃)
En forma matricial
𝑥𝑟 𝑥0 1 0 0 𝑥 − 𝑥0
𝑦 𝑦
[ 𝑟 ] = [ 0 ] + [0 𝑐𝑜𝑠𝜃 −𝑠𝑒𝑛𝜃] [ − 𝑦0 ]
𝑦
𝑧𝑟 𝑧0 0 𝑠𝑒𝑛𝜃 𝑐𝑜𝑠𝜃 𝑧 − 𝑧0

El punto 𝑃(2,8,6) después de sufrir una rotación, en sentido antihorario, de un

ángulo 𝜃 = 37° en forma paralela al plano 𝑌𝑍 respecto del punto 𝑃0 (1,3,2).
Reemplazando los datos en la expresión obtenida en la parte (a) se tiene:
𝑥𝑟 1 1 0 0 2−1
[𝑦𝑟 ] = [3] + [0 𝑐𝑜𝑠(37° ) −𝑠𝑒𝑛(37° )] [8 − 3]
𝑧𝑟 2 0 𝑠𝑒𝑛(37° ) 𝑐𝑜𝑠(37° ) 6 − 2

63

messages.downloaded_by
 lOMoARcPSD|54809388

1 0 0
𝑥𝑟 1 4 3 1
𝑦 0 −
[ 𝑟 ] = [ 3] + 5 5 [ 5]
𝑧𝑟 2 3 4 4
[0
5 5 ]
1
𝑥𝑟 1 8
𝑦
[ 𝑟 ] = [ 3] + 5
𝑧𝑟 2 31
[5]
2
𝑥𝑟 23
[𝑦𝑟 ] = 5
𝑧𝑟 41
[5]
Finalmente, el punto rotado es:
8 31
𝑃𝑟 (2, , )
5 5
EJERCICIOS PROPUESTOS.
0 2 1 
Ejercicio 46. Sea A  0 0 3 una matriz nilpotente, hallar su índice.
0 0 0

1  2 3 
Ejercicio 47. Hallar f (A) , si A  2  4 1 y f (x)  3x 2  2x  5
3  5 2

 1 - 2 - 6
Ejercicio 48. Demostrar que la matriz A  - 3 2 9  es periódica y determine su
 2 0 - 3

periodo.
1 197
Ejercicio 49. Si A 6  A , hallar A para la matriz
2

1 2 1
A  3 1 2
1 2 3

 1  1  1
Ejercicio 50. Calcular A120 si A   0 1 0 
 0 0 1 

64

messages.downloaded_by
 lOMoARcPSD|54809388

0  1 a   1 
2
Ejercicio 51. Calcules a  b  c si  2 1  b   5 
0
 3  1 0   c   3

Ejercicio 52. Resolver la ecuación matricial A  B  XT  2A T  B si

 1 5  3  1 4 2 
A   3 0 6  y B   3 1  5
 2 1 2   3 2 1 

Ejercicio 53. Si A es una matriz involutiva. Demuestre que

1
I  A  y 1 I  A  son
2 2
matrices idempotentes

Ejercicio 54. Demuestre que las siguientes matrices son idempotentes y permutables
 2  1  4   1 2 4
 1 3 4  ,  1  2  4
 

 1  2  3  1 2 4 

 2 3  2 6 2 4 
   
Ejercicio 55. Hallar la matriz M  AB T
 2C si A   1 4 3  , B  0 2  2 y
 0 2 1  3 0  1

 3 3 
2 2 2 
C  5 2 2 
 15 7
2  
 2 2 

1 0 0 3 1 1
Ejercicio 56. Sea A    , B  0 1 y C  1 1 . Expresar las siguientes matrices
3 0    
como combinación lineal de A, B y C
 5  1
11 1 
 

0 2
2 0
 

3 7 
7 3 
 

2 6
6 4
 

65

messages.downloaded_by
 lOMoARcPSD|54809388

Ejercicio 57. Hallar la matriz triangular inferior B y las matrices columna C y D tal que
0  0  4 2 1 
    A  2 4 2
A  BB BD  6 B C  D
T T
AC  6
, , y verifique que donde
9 9 1 2 4

Ejercicio 58. Sea

5 0 0 
5A  0 3 4 
0 4  3

Determinar el periodo de la matriz A

Hallar A 225
Hallar A 1 si existe
Expresar la matriz A como la suma de una matriz simétrica y otra antisimétrica.

Ejercicio 59. Halle la transpuesta de la matriz inversa, si existe, de la matriz

2 4 3 3
3 6 5 2 
A
2 5 3  3
 
4 5 14 14 

Ejercicio 60. Halle la inversa, si existe, de la matriz transpuesta de la matriz

3 2 2 0
1 4 5  1
A
0 2 3 5
 
3 1 2  1

Ejercicio 61. Hallar una matriz X, si existe, tal que AX  B , donde

 7 4  1  1 2 2 

A 1 2 5  y B  4 3 1

 3  3  2 3 1 4

Ejercicio 62. Dadas las matrices

a 2 3  1 1 1 1 1 2 
A  5 0 6 , B  4  b 4  y C  1 2 e 
6 7 d  6 7  d  0 0  2

66

messages.downloaded_by
 lOMoARcPSD|54809388

Hallar a, b, d, e y la matriz X conociendo que AX  BX  I y XC  I

Ejercicio 63. Resolver los siguientes sistemas lineales

2 x  8 y  4z  0
xzy  0
z  2 x  3y  0

2x  4 y  z  w  7
4 x  5 y  2z  3
 x  y  2z  2w  10
3x  2 y  z  w  0

Ejercicio 64. Determinar la ecuación vectorial del plano P, intersección de las siguientes
ecuaciones llamadas hiperplanos
2z  3w  3y  x  9
3w  2x  z  3
z  2x  4 y  9w  7
x  3y  z  6 w  6

Ejercicio 65. Sea el sistema

2x  y  5z  u  5
x  y  3z  4u  1
3x  6 y  2z  u  8
2x  2 y  2z  3u  2

Hallar el rango de la matriz de coeficientes

Resolver el sistema
Hallar la inversa de la matriz de los coeficientes si existe

Ejercicio 66. Investigar la consistencia y hallar la solución del sistema

x  y  z  u  1
x  y  z  u  1
x  y  z  u  1
x  y  z  u  1

Ejercicio 67. Dadas las matrices aumentadas correspondientes a sistemas de ecuaciones

lineales en las variables x, y, z, w

67

messages.downloaded_by
 lOMoARcPSD|54809388

1 3 2 1  4 1  1 2 0  2
0 1 0 2 3  0 1 1 2  3
 y 
0 0 1 0 2 0 0 1 0 0
   
0 0 0 1 0 0 0 0 0 0

Indicar cada uno de los sistemas de ecuaciones

Determinar el conjunto solución de dichos sistemas.

Ejercicio 68. En la matriz A, determinar los valores de x e y para que el rango de A sea
3
1 2 3  1 0
2 4 x  2  1 y  6
A
1 2 0  7 y  3
 
0 1 2 4 0 

Ejercicio 69. Hallar el polinomio de interpolación que interpola los siguientes conjuntos
de puntos
a) 1,5 , 0,1 y 2,11 .

b) 1,6 , 0,1 , 1,0 , 2,8 y 3,34

Ejercicio 70. Sea Q3,4,5 un punto de R 3 . Hallar las coordenadas de Q después de rotar
2
los ejes del plano YZ , en sentido antihorario, un ángulo de alrededor del eje X.
3

Ejercicio 71. Loli alquila automóviles en tres zonas de Lima; en la zona I alquila 60
grandes 40 medianos y 50 pequeños, en la zona II alquila 50 grandes 30 medianos y 20
pequeños y en la zona III alquila 10 grandes 10 medianos y 30 pequeños. El promedio de
reparaciones de bujía por automóvil durante un año es de 10 de los grandes, 8 de los
mediano y 5 de los pequeños. Y el promedio de reparaciones de llantas por automóvil
durante un año es de 4 de los grandes, 6 de los medianos y 8 de los pequeños. Encontrar
con ayuda del cálculo matricial
Las necesidades zonales de la reparación
El costo total de la reparación, sabiendo que cada bujía cuesta $7 y cada llanta $15.

Ejercicio 72. Una empresa fabrica 4 equipos de refrigeración, donde 4, 7, 8 y 10 repuestos

del tipo 1 se necesitan para armar los equipos del tipo 1, 2, 3 y 4 respectivamente. 5, 2, 6 y

68

messages.downloaded_by
 lOMoARcPSD|54809388

7 repuestos del tipo 2 se necesitan para armar los equipos del tipo 1, 2, 3 y 4
respectivamente. 6, 3, 5 y 3 repuestos del tipo 3 se necesitan para armar los equipos del
tipo 1, 2, 3 y 4 respectivamente. Además 4, 6 y 2 horas de mano de obra profesional se
necesita para fabricar los repuestos del tipo 1, 2 y 3 respectivamente. Y 5, 3 y 8 horas de
mano de obra técnica se necesitan para fabricar los repuestos del tipo 1, 2 y 3
respectivamente.
Hallar la matriz de la mano de obra para fabricar los equipos
Hallar la matriz de costos por equipos si la mano de obra profesional cuesta S/. 20
por hora y la mano de obra técnica cuesta S/. 10 por hora.
Verifique la matriz de costos por equipos hallada en (b) calculando la matriz de
costos por repuestos.

Ejercicio 73. El triángulo de vértices P1 2,2,1 , P2 6,7,0 y P3 1,8,4 se rota, en sentido


antihorario, en forma paralela al plano XY un ángulo   respecto del origen de
3
coordenadas. Hallar los vértices del triángulo rotado.

69

messages.downloaded_by
 lOMoARcPSD|54809388

III. DETERMINANTES

3.1 DEFINICIÓN Y PROPIEDADES.

Un determinante es una función que aplicada a una matriz cuadrada da un único

valor numérico.

Sea 𝑀 = {𝐴⁄𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 } un conjunto de matrices cuadradas

| |∶𝑀→R

𝐴 → 𝑑𝑒𝑡(𝐴) = |𝐴| = ∑(±) 𝑎1𝑗1 𝑎2𝑗2 ⋯ 𝑎𝑛𝑗𝑛

Donde, cada término de la suma toma una a una todas las permutaciones 𝑗1 𝑗2 ⋯ 𝑗𝑛
del conjunto 𝑆 = {1,2, ⋯ , 𝑛} . El signo se considera como + o − según si la
permutación 𝑗1 𝑗2 ⋯ 𝑗𝑛 es par o impar (KOLMAN, 1999, pág. 92).
NOTA.

El conjunto de todas las permutaciones de 𝑆 = {1,2, ⋯ , 𝑛} denotamos por

𝑆𝑛 y consta de 𝑛! permutaciones.
Una permutación 𝑗1 𝑗2 ⋯ 𝑗𝑛 de 𝑆 = {1,2, ⋯ , 𝑛} tiene una inversión si un
entero mayor 𝑗𝑟 precede a uno menor 𝑗𝑠 . Una permutación es par o impar si
su número total de inversiones es par o impar, respectivamente.
Si una permutacion no tiene inversiones se considera una permutacion par.
𝑛!
Si 𝑛 ≥ 2, puede apreciarse que 𝑆𝑛 tiene 2
permutaciones pares y un

número igual de permutaciones impares.

Veamos algunos ejemplos de permutaciones
Ejemplo 1. En 𝑆2 , la permutación 12 es par, ya que no tiene inversiones; la permutación
21 es impar, pues tiene una inversión.

Ejemplo 2. Las permutaciones pares en 𝑆3 son 123(sin inversiones), 231(dos

inversiones:21 y 31) y 312(dos inversiones:31 y 32). Las permutaciones impares en 𝑆3 son
132(una inversión:32);213(una inversión:21) y 321(tres inversiones: 32, 31 y 21).

Ahora veamos ejercicios donde aplicamos la definición de determinante

Ejercicio 74. Sea 𝐴 = [𝑎𝑖𝑗 ]1×1. Halle det(𝐴) = |𝐴|

Solución 74. Como la matriz es de orden 1 × 1 se tiene que 𝑆 = {1} y 𝑆1 consta de 1! = 1

permutaciones, la permutación 1(permutación identidad), que es par. Por lo que

70

messages.downloaded_by
 lOMoARcPSD|54809388

det(𝐴) = |𝐴| = 𝑎11

𝑎 𝑎
Ejercicio 75. Sea la matriz 𝐴 = [𝑎11 𝑎12 ]. Halle 𝑑𝑒𝑡(𝐴) = |𝐴|
21 22

Solución 75. Como la matriz es de orden 2 × 2 se tiene que 𝑆 = {1,2} y 𝑆2 consta de 2! =

2 permutaciones, es decir 𝑆2 = {12, 21 }.
Luego

𝑑𝑒𝑡(𝐴) = |𝐴| = ∑(±) 𝑎1𝑗1 𝑎2𝑗2

donde 𝑗1 𝑗2 son las permutaciones del conjunto 𝑆 = {1,2} y el determinante presenta los dos
términos

𝑎1− 𝑎2− y 𝑎1− 𝑎2−

y los espacios en blanco se llenan con todos los elementos de 𝑆2 . Como 12 es una
permutación par, el termino 𝑎11 𝑎22 tiene signo +; como 21 es una permutación impar, el
término 𝑎12 𝑎21 tiene signo −.

Por lo que

𝑑𝑒𝑡(𝐴) = |𝐴| = 𝑎11 𝑎22 − 𝑎12 𝑎21

O también

𝑎11 𝑎12
𝑑𝑒𝑡(𝐴) = |𝐴| = |𝑎 𝑎22 | = 𝑎11 𝑎22 − 𝑎12 𝑎21
21

formado por el producto de las entradas en la línea (diagonal de arriba abajo) que va de
izquierda a derecha y restando de este número el producto de las entradas en la línea
(diagonal de arriba abajo) de derecha a izquierda.

𝑎11 𝑎12 𝑎13

Ejercicio 76. Sea la matriz 𝐴 = [𝑎21 𝑎22 𝑎23 ] Halle 𝑑𝑒𝑡(𝐴) = |𝐴|
𝑎31 𝑎32 𝑎33

Solución 76. Como la matriz es de orden 3, entonces el conjunto 𝑆 = {1,2, 3} tiene 3! = 6

permutaciones. Es decir 𝑆3 = {123, 231, 312, 132, 321, 213 }
Luego

𝑑𝑒𝑡(𝐴) = |𝐴| = ∑(±) 𝑎1𝑗1 𝑎2𝑗2 𝑎3𝑗3

71

messages.downloaded_by
 lOMoARcPSD|54809388

donde 𝑗1 𝑗2 𝑗3 son las permutaciones del conjunto 𝑆 = {1,2, 3} y el determinante presenta

los seis términos

𝑎1− 𝑎2− 𝑎3− , 𝑎1− 𝑎2− 𝑎3− , 𝑎1− 𝑎2− 𝑎3− , 𝑎1− 𝑎2− 𝑎3− , 𝑎1− 𝑎2− 𝑎3− y 𝑎1− 𝑎2− 𝑎3−

los espacios en blanco se llenan utilizando todos los elementos de 𝑆3 , asociando a cada
término de la suma el signo + o − según si la permutación es par o impar, obteniéndose;

|𝐴| = 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎11 𝑎23 𝑎32 − 𝑎13 𝑎22 𝑎31 − 𝑎12 𝑎21 𝑎33

O también

𝑎11 𝑎12 𝑎13 𝑎11 𝑎12

𝑎
|𝐴| = | 21 𝑎22 𝑎23 |𝑎21 𝑎22 |
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32
= 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎11 𝑎23 𝑎32 − 𝑎13 𝑎22 𝑎31 − 𝑎12 𝑎21 𝑎33

formado por la suma de los productos de las entradas de las líneas (diagonales de arriba
abajo) de izquierda a derecha y restamos los productos de las entradas de las líneas
(diagonales de arriba abajo) de derecha a izquierda

O también, se conoce como el método de la estrella

𝑎11 𝑎12 𝑎13

|𝐴| = |𝑎21 𝑎22 𝑎23 |
𝑎31 𝑎32 𝑎33
= 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎11 𝑎23 𝑎32 − 𝑎13 𝑎22 𝑎31 − 𝑎12 𝑎21 𝑎33

formado por la suma de los productos de las entradas de las líneas (diagonales de arriba
abajo) de izquierda a derecha con la entrada de la esquina opuesta y restamos los productos
de las entradas de las líneas (diagonal de arriba abajo) de derecha a izquierda con la entrada
de la esquina opuesta.

Cabe resaltar que los métodos que se acaban de describir no se aplican para 𝑛 ≥ 4

3.2 PROPIEDADES DE LOS DETERMINANTES.

Sean 𝐴 y 𝐵 dos matrices cuadradas.

|𝐴| = |𝐴𝑇 |
El determinante de una matriz cambia de signo si dos filas (o columnas) se
intercambian.

72

messages.downloaded_by
 lOMoARcPSD|54809388

Si la matriz 𝐵 se obtiene de la matriz A trasladando una de sus filas (o columnas)

𝑘 lugares entonces |𝐵| = (−1)𝑘 |𝐴|
Si una matriz 𝐴 tiene una fila (o columna) múltiplo de otra fila (o columna)
entonces |𝐴| = 0
Si una matriz 𝐴 tiene todos sus elementos de una fila (o columna) ceros, entonces
|𝐴| = 0
Si en una matriz 𝐴, todos los elementos de una fila (o columna) son multiplicados
por un escalar 𝛼, entonces el valor del determinante de 𝐴 queda multiplicado por
𝛼.
|𝛼𝐴| = 𝛼 𝑛 |𝐴|, 𝛼 escalar, 𝑛 orden de la matriz 𝐴.
Si a una fila (o columna) de una matriz 𝐴 se le suma el múltiplo de otra fila (o
columna), entonces el valor del determinante de 𝐴 no varía.
El determinante de una matriz triangular (superior o inferior) es el producto de los
elementos de la diagonal principal.
|𝐼| = 1, 𝐼 es la matriz Identidad.
|𝐴 + 𝐵| ≠ |𝐴| + |𝐵| en general
|𝐴𝐵| = |𝐴||𝐵|
|𝐴−1 | = |𝐴|−1 si |𝐴| ≠ 0
𝑎1 + 𝑟1 𝑏1 𝑐1 𝑎1 𝑏1 𝑐1 𝑟1 𝑏1 𝑐1
|𝑎2 + 𝑟2 𝑏2 𝑐2 | = |𝑎2 𝑏2 𝑐2 | + |𝑟2 𝑏2 𝑐2 |
𝑎3 + 𝑟3 𝑏3 𝑐3 𝑎3 𝑏3 𝑐3 𝑟3 𝑏3 𝑐3

3.3 CALCULO DEL DETERMINANTE POR COFACTORES

Ahora desarrollaremos un método diferente para calcular el determinante de una

matriz de orden 𝑛, el cual reduce el problema a calcular los determinantes de orden
𝑛−1

3.3.1 MENORES Y COFACTORES

Sea 𝐴 una matriz de orden 𝑛. Sea 𝑀𝑖𝑗 la submatriz de orden 𝑛 − 1 de 𝐴 obtenida de

suprimir la 𝑖 −ésima fila y la 𝑗 −ésima columna de 𝐴. Se define:
El menor de 𝑎𝑖𝑗 como el determinante de 𝑀𝑖𝑗 . Es decir |𝑀𝑖𝑗 |
El cofactor de 𝑎𝑖𝑗 como 𝐴𝑖𝑗 dado por:
𝐴𝑖𝑗 = (−1)𝑖+𝑗 |𝑀𝑖𝑗 |

73

messages.downloaded_by
 lOMoARcPSD|54809388

A continuación, presentamos el método para calcular determinantes, que no es tan

eficiente desde el punto de vista del cálculo, como la reducción a la forma triangular.
Sea 𝐴 una matriz de orden 𝑛, entonces el cálculo del determinante de 𝐴 presenta dos
casos:
Con respecto a la 𝑖 −ésima fila, el determinante de 𝐴, queda determinado
por
|𝐴| = 𝑎𝑖1 𝐴𝑖1 + 𝑎𝑖2 𝐴𝑖2 + ⋯ + 𝑎𝑖𝑛 𝐴𝑖𝑛

Con respecto a la 𝑗 −ésima columna, el determinante de 𝐴, queda

determinado por
|𝐴| = 𝑎1𝑗 𝐴1𝑗 + 𝑎2𝑗 𝐴2𝑗 + ⋯ + 𝑎𝑛𝑗 𝐴𝑛𝑗

NOTA. El desarrollo del determinante de una matriz, de manera eficaz, se hace con
respecto a una fila o columna que presenta el mayor número de ceros.

Ejercicio 77. Calcular el determinante de la siguiente matriz

3 2 𝑏+2 𝑏+1
2 2𝑏 2−𝑏 1
𝐴=[ ]
0 3 1 4
1 𝑏−1 3 𝑏+1

Solución 77. Se desea calcular |𝐴|.

Aplicamos las propiedades de los determinantes

3 2 𝑏 + 2 𝑏 + 1 𝑓1 +(−3)𝑓4 0 −3𝑏 + 5 𝑏 − 7 −2𝑏 − 2

|𝐴| = | 2 2𝑏 2−𝑏 1 → 0 2 −𝑏 − 4 −2𝑏 − 1
| = | |
0 3 1 4 𝑓 +(−2)𝑓 0 3 1 4
2 4
1 𝑏−1 3 𝑏+1 → 1 𝑏−1 3 𝑏+1

Aplicando desarrollo por cofactores con respecto a la columna 1 y luego aplicamos

propiedades de determinantes, se tiene

−3𝑏 + 5 𝑏 − 7 −2𝑏 − 2
= 1(−1)4+1 | 2 −𝑏 − 4 −2𝑏 − 1|
3 1 4
−3𝑏 + 3 2𝑏 − 3 −1
𝑓1 +(−1)𝑓2
=→ (−1) | 2 −𝑏 − 4 −2𝑏 − 1|
3 1 4
−3𝑏 + 3 −𝑏 −1
𝑐2 +𝑐1
=→ (−1) | 2 −𝑏 − 2 −2𝑏 − 1|
3 4 4

74

messages.downloaded_by
 lOMoARcPSD|54809388

−3𝑏 + 3 −𝑏 𝑏−1
𝑐3 +(−1)𝑐2
=→ (−1) | 2 −𝑏 − 2 −𝑏 + 1|
3 4 0

Aplicando desarrollo por cofactores con respecto a la fila 3, se tiene

−𝑏 𝑏−1 −3𝑏 + 3 𝑏 − 1
= (−1) [(3)(−1)3+1 | | + (4)(−1)3+2 | |]
−𝑏 − 2 −𝑏 + 1 2 −𝑏 + 1
−𝑏 𝑏−1 −3𝑏 + 3 𝑏 − 1
= (−3) | | + (4) | |
−𝑏 − 2 −𝑏 + 1 2 −𝑏 + 1
= (−3)[(−𝑏)(−𝑏 + 1) − (𝑏 − 1)(−𝑏 − 2)] + (4)[(−3𝑏 + 3)(−𝑏 + 1) − 2(𝑏 − 1)]
= (−3)[(𝑏 − 1)(𝑏 + 𝑏 + 2)] + (4)[(𝑏 − 1)(3𝑏 − 3 − 2)]
= (𝑏 − 1)(−6𝑏 − 6 + 12𝑏 − 20)

Finalmente,

|𝐴| = (𝑏 − 1)(6𝑏 − 26)

Ejercicio 78. Calcular el determinante de la matriz 𝐴, Si 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 donde; 𝑎𝑖𝑗 =

𝑐𝑜𝑠𝑥 𝑖 = 𝑗
{
𝑠𝑒𝑛𝑥 𝑖 ≠ 𝑗

Solución 78. Se desea calcular |𝐴|

La matriz en forma explícita es

𝑐𝑜𝑠𝑥 𝑠𝑒𝑛𝑥 ⋯ 𝑠𝑒𝑛𝑥

𝑠𝑒𝑛𝑥 𝑐𝑜𝑠𝑥 ⋯ 𝑠𝑒𝑛𝑥
𝐴=[ ]
⋮ ⋮ ⋱ ⋮
𝑠𝑒𝑛𝑥 𝑠𝑒𝑛𝑥 ⋯ 𝑐𝑜𝑠𝑥

Aplicando propiedades de determinantes calculamos el determinante de la matriz 𝐴

𝑐𝑜𝑠𝑥 𝑠𝑒𝑛𝑥 ⋯ 𝑠𝑒𝑛𝑥

𝑠𝑒𝑛𝑥 𝑐𝑜𝑠𝑥 ⋯ 𝑠𝑒𝑛𝑥
|𝐴| = | |
⋮ ⋮ ⋱ ⋮
𝑠𝑒𝑛𝑥 𝑠𝑒𝑛𝑥 ⋯ 𝑐𝑜𝑠𝑥
𝑐1 +𝑐2
→ 𝑐𝑜𝑠𝑥 + (𝑛 − 1)𝑠𝑒𝑛𝑥 𝑠𝑒𝑛𝑥 ⋯ 𝑠𝑒𝑛𝑥
𝑐1 +𝑐3
𝑐𝑜𝑠𝑥 + (𝑛 − 1)𝑠𝑒𝑛x 𝑐𝑜𝑠𝑥 ⋯ 𝑠𝑒𝑛𝑥
=→ | |
⋮ ⋮ ⋮ ⋱ ⋮
𝑐1 +𝑐𝑛 𝑐𝑜𝑠𝑥 + (𝑛 − 1)𝑠𝑒𝑛𝑥 𝑠𝑒𝑛𝑥 ⋯ 𝑐𝑜𝑠𝑥
→
1 𝑠𝑒𝑛𝑥 ⋯ 𝑠𝑒𝑛𝑥
1 𝑐𝑜𝑠𝑥 ⋯ 𝑠𝑒𝑛𝑥
= (𝑐𝑜𝑠𝑥 + (𝑛 − 1)𝑠𝑒𝑛𝑥) | |
⋮ ⋮ ⋱ ⋮
1 𝑠𝑒𝑛𝑥 ⋯ 𝑐𝑜𝑠𝑥

75

messages.downloaded_by
 lOMoARcPSD|54809388

𝑓2 +(−1)𝑓1
→ 1 𝑠𝑒𝑛𝑥 ⋯ 𝑠𝑒𝑛𝑥
𝑓3 +(−1)𝑓1
0 𝑐𝑜𝑠𝑥 − 𝑠𝑒𝑛𝑥 ⋯ 0
=→ (𝑐𝑜𝑠𝑥 + (𝑛 − 1)𝑠𝑒𝑛𝑥) | |
⋮ ⋮ ⋮ ⋱ ⋮
𝑓𝑛 +(−1)𝑓1 0 0 ⋯ 𝑐𝑜𝑠𝑥 − 𝑠𝑒𝑛𝑥
→
= (𝑐𝑜𝑠𝑥 + (𝑛 − 1)𝑠𝑒𝑛𝑥)(𝑐𝑜𝑠𝑥 − 𝑠𝑒𝑛𝑥)𝑛−1

Finalmente,

|𝐴| = (𝑐𝑜𝑠𝑥 + (𝑛 − 1)𝑠𝑒𝑛𝑥)(𝑐𝑜𝑠𝑥 − 𝑠𝑒𝑛𝑥)𝑛−1

Ejercicio 79. Calcular el siguiente determinante

𝑥−1 𝑦−𝑤 𝑧−1 𝑤−1
𝑦 𝑥−𝑧 𝑤 𝑧
| |
𝑥 𝑦−𝑤 𝑧 𝑤
1 0 1 1

Solución 79. Aplicamos propiedades de los determinantes

𝑥−1 𝑦−𝑤 𝑧−1 𝑤−1 𝑥−1 𝑦−1 𝑧−1 𝑤−1
𝑦 𝑥−𝑧 𝑤 𝑧 𝑐2 +𝑐4 𝑦 𝑥 𝑤 𝑧
| | =→ | |
𝑥 𝑦−𝑤 𝑧 𝑤 𝑥 𝑦 𝑧 𝑤
1 0 1 1 1 1 1 1
𝑥 𝑦 𝑧 𝑤
𝑓1 +𝑓4 𝑦 𝑥 𝑤 𝑧
=→ | |=0
𝑥 𝑦 𝑧 𝑤
1 1 1 1

pues la fila 1 y fila 3 son iguales.

Finalmente,

𝑥−1 𝑦−𝑤 𝑧−1 𝑤−1

𝑦 𝑥−𝑧 𝑤 𝑧
| |=0
𝑥 𝑦−𝑤 𝑧 𝑤
1 0 1 1

Ejercicio 80. Resolver la siguiente ecuación

𝑎+𝑥 𝑥 𝑥 𝑥
𝑥 𝑏+𝑥 𝑥 𝑥
| |=0
𝑥 𝑥 𝑐+𝑥 𝑥
𝑥 𝑥 𝑥 𝑑+𝑥

Solución 80. Se desea hallar los valores de la incógnita 𝑥.

Aplicando propiedades de los determinantes, simplificamos el primer miembro de la
ecuación

76

messages.downloaded_by
 lOMoARcPSD|54809388

𝑎+𝑥 𝑥 𝑥 𝑥 𝑓1 −𝑓4 𝑎 0 0 −𝑑
→
𝑥 𝑏+𝑥 𝑥 𝑥 0 𝑏 0 −𝑑
| | = 𝑓→2 −𝑓4 | |
𝑥 𝑥 𝑐+𝑥 𝑥 0 0 𝑐 −𝑑
𝑓3 −𝑓4
𝑥 𝑥 𝑥 𝑑+𝑥 → 𝑥 𝑥 𝑥 𝑑+𝑥
𝑐2 −𝑐1𝑎 −𝑎 −𝑎 −𝑑 − 𝑎
→
𝑐3 −𝑐1 0 𝑏 0 −𝑑
=→ | |
𝑐4 −𝑐1 0 0 𝑐 −𝑑
→ 𝑥 0 0 𝑑

Aplicando desarrollo por cofactores, se elige la columna 1, se tiene

𝑏 0 −𝑑 −𝑎 −𝑎 −𝑑 − 𝑎
= 𝑎(−1)1+1 |0 𝑐 −𝑑 | + 𝑥(−1)4+1 | 𝑏 0 −𝑑 |
0 0 𝑑 0 𝑐 −𝑑

El primer término es el determinante de una matriz triangular superior y aplicando

desarrollo por cofactores en el segundo término, se elige la columna 1, se tiene

0 −𝑑 −𝑎 −𝑑 − 𝑎
= 𝑎𝑏𝑐𝑑 − 𝑥 [(−𝑎)(−1)1+1 | | + 𝑏(−1)2+1 | |]
𝑐 −𝑑 𝑐 −𝑑
= 𝑎𝑏𝑐𝑑 − 𝑥[−𝑎𝑐𝑑 − 𝑏(𝑎𝑑 + 𝑐(𝑑 + 𝑎))]
= 𝑎𝑏𝑐𝑑 + 𝑥[𝑎𝑐𝑑 + 𝑏(𝑎𝑑 + 𝑐𝑑 + 𝑐𝑎)]

luego la ecuación resulta

𝑎𝑏𝑐𝑑 + 𝑥[𝑎𝑐d + 𝑏(𝑎𝑑 + 𝑐𝑑 + 𝑐𝑎)] = 0

Despejando la incógnita se tiene

𝑎𝑏𝑐𝑑
𝑥=−
𝑏𝑑(𝑎 + 𝑐) + 𝑎𝑐(𝑑 + 𝑏)

EJERCICIOS.

Ejercicio 81. Determinar todos los valores de  para los cuales el determinante de la
matriz
  2  1 3 

A 2  1 2 
 0 0   4

es igual a cero.

Ejercicio 82. Calcular los siguientes determinantes

77

messages.downloaded_by
 lOMoARcPSD|54809388

b  2a a 1 3a b 1
2b 2b b 1 1
a)
1 a2 0 a 3
a2 b 1 1 ab

x y  y
y x  y
b)
   
y y  x

5 3 0 0  0
2 5 3 0  0
0 2 5 3  0
c)
0 0 2 5  0
     
0 0 0 0 5

c a 0  0 0
b c a  0 0
0 b c  0 0
d)
     
0 0 0  c a
0 0 0  b c

n 1 1  1
1 n 1  1
e)
   
1 1  n 1

a 1  1
1 a  1
f)
   
1 1  a

3.4 LA INVERSA DE UNA MATRIZ UTILIZANDO COFACTORES

Ahora, veremos algunos resultados que permiten calcular la inversa de una matriz
no singular utilizando cofactores.
Teorema. Si 𝐴 es una matriz de orden 𝑛, entonces
𝑎𝑖1 𝐴𝑘1 + 𝑎𝑖2 𝐴𝑘2 + ⋯ + 𝑎𝑖𝑛 𝐴𝑘𝑛 = 0 para 𝑖 ≠ 𝑘

78

messages.downloaded_by
 lOMoARcPSD|54809388

𝑎1𝑗 𝐴1𝑘 + 𝑎2𝑗 𝐴2𝑘 + ⋯ + 𝑎𝑛𝑗 𝐴𝑛𝑘 = 0 para 𝑗 ≠ 𝑘

Demostración.
Solo demostramos la primera fórmula. La segunda es consecuencia de la primera
Consideremos la matriz 𝐵 obtenida de 𝐴 al remplazar la 𝑘 −ésima fila de 𝐴 por su
𝑖 −ésima fila. Así, 𝐵 es una matriz que tiene dos filas iguales, la 𝑖 −ésima y la
𝑘 −ésima, por lo tanto det(𝐵) = 0. Si desarrollamos det(𝐵) con respecto a la
𝑘 −ésima fila se tiene
det(𝐴) = 𝑎𝑖1 𝐴𝑘1 + 𝑎𝑖2 𝐴𝑘2 + ⋯ + 𝑎𝑖𝑛 𝐴𝑘𝑛 = 0
pues los elementos de la 𝑘 −ésima fila son 𝑎𝑖1 , 𝑎𝑖2 , ⋯ , 𝑎𝑖𝑛
Es decir, si sumamos los productos de los elementos de cualquier fila (o columna)
por los cofactores correspondientes de cualquier otra fila (o columna), entonces el
resultado es cero.
Luego se puede concluir que:
det(𝐴) , 𝑖 = 𝑘
𝑎𝑖1 𝐴𝑘1 + 𝑎𝑖2 𝐴𝑘2 + ⋯ + 𝑎i𝑛 𝐴𝑘𝑛 = {
0, 𝑖 ≠ 𝑘
o también
det(𝐴) , 𝑗 = 𝑘
𝑎1𝑗 𝐴1𝑘 + 𝑎2𝑗 𝐴2𝑘 + ⋯ + 𝑎𝑛𝑗 𝐴𝑛𝑘 = {
0, 𝑗 ≠ 𝑘

Ejercicio 83. Dada la matriz

1 2 −3
𝐴 = [−4 2 1]
2 0 −2

Hallar la siguiente suma 𝑎𝑖1 𝐴𝑘1 + 𝑎𝑖2 𝐴𝑘2 + ⋯ + 𝑎𝑖𝑛 𝐴𝑘𝑛 si

3=𝑖≠𝑘=1
3=𝑖=𝑘=3
Calcular el determinante de la matriz 𝐴.

Solución 81. Se desea hallar 𝑎𝑖1 𝐴𝑘1 + 𝑎𝑖2 𝐴𝑘2 + ⋯ + 𝑎𝑖𝑛 𝐴𝑘𝑛 si
3=𝑖≠𝑘=1
Al desarrollar la suma, de los productos de los elementos de la fila 3 con los
cofactores correspondientes de la fila 1, es cero.
Veamos;
𝑎31 𝐴11 + 𝑎32 𝐴12 + 𝑎33 𝐴13
2 1 −4 1 −4 2
= 2(−1)3+1 | | + 0(−1)3+2 | | + (−2)(−1)1+3 | |
0 −2 2 −2 2 0

79

messages.downloaded_by
 lOMoARcPSD|54809388

= 2(−4 − 0) − 2(0 − 4)
=0
luego,
𝑎31 𝐴11 + 𝑎32 𝐴12 + 𝑎33 𝐴13 = 0
3=𝑖=𝑘=3
Al desarrollar la suma de los productos de los elementos de la fila 3 con los
cofactores correspondientes de la fila 3, se tiene el determinante de 𝐴.
Veamos;
𝑎31 𝐴31 + 𝑎32 𝐴32 + 𝑎33 𝐴33
2 −3 1 −3 (−2)(−1)3+3 1 2
= 2(−1)3+1 | | + 0(−1)3+2 | |+ | |
2 1 −4 1 −4 2
= 2(2 + 6) − 2(2 + 8)
= −4
Luego,
𝑎31 𝐴31 + 𝑎32 𝐴32 + 𝑎33 𝐴33 = −4
g) Finalemente,
0, 3 = 𝑖 ≠ 𝑘 = 1
𝑎𝑖1 𝐴𝑘1 + 𝑎𝑖2 𝐴𝑘2 + ⋯ + 𝑎𝑖𝑛 𝐴𝑘𝑛 = {
|𝐴| = −4, 3 = 𝑖 = 𝑘 = 3

3.4.1 MATRIZ DE COFACTORES

Sea la matriz 𝐴 = [𝑎𝑖𝑗 ] . Se define la matriz de cofactores de 𝐴, denotada

𝑛×𝑛

𝑐𝑜𝑓𝑎𝑐𝑡(𝐴), como la matriz

𝐴11 𝐴12 ⋯ 𝐴1𝑗 ⋯ 𝐴1𝑛
𝐴21 𝐴22 ⋯ 𝐴2𝑗 ⋯ 𝐴2𝑛
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
𝑐𝑜𝑓𝑎𝑐𝑡(𝐴) =
𝐴𝑖1 𝐴𝑖2 ⋯ 𝐴𝑖𝑗 ⋯ 𝐴𝑖𝑛
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
[𝐴𝑛1 𝐴𝑛2 ⋯ 𝐴𝑛𝑗 ⋯ 𝐴𝑛𝑛 ]
donde, él 𝑖, 𝑗 −ésimo elemento es el cofactor 𝐴𝑖𝑗 de 𝑎𝑖𝑗

3.4.2 MATRIZ ADJUNTA

Sea la matriz 𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 . Se define la matriz adjunta de 𝐴, denotada 𝑎𝑑𝑗(𝐴),

como la matriz

80

messages.downloaded_by
 lOMoARcPSD|54809388

𝐴11 𝐴21 ⋯ 𝐴𝑗1 ⋯ 𝐴𝑛1

𝐴12 𝐴22 ⋯ 𝐴𝑗2 ⋯ 𝐴𝑛2
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
𝑎𝑑𝑗(𝐴) =
𝐴1𝑖 𝐴2𝑖 ⋯ 𝐴𝑗𝑖 ⋯ 𝐴𝑛𝑖
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
[𝐴1𝑛 𝐴2𝑛 ⋯ 𝐴𝑗𝑛 ⋯ 𝐴𝑛𝑛 ]
donde, el 𝑖, 𝑗 −ésimo elemento es el cofactor 𝐴𝑗𝑖 de 𝑎𝑗𝑖
O también,
𝑎𝑑𝑗(𝐴) = (𝑐𝑜𝑓𝑎𝑐𝑡(𝐴))𝑇
Teorema. Si 𝐴 es una matriz de orden 𝑛, entonces
𝐴𝑎𝑑𝑗(𝐴) = 𝑎𝑑𝑗(𝐴)𝐴 = |𝐴|𝐼
donde 𝐼 es la matriz identidad de orden 𝑛.
Demostración.
𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛 𝐴11 𝐴21 ⋯ 𝐴𝑗1 ⋯ 𝐴𝑛1
𝑎21 𝑎22 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑛 𝐴12 𝐴22 ⋯ 𝐴𝑗2 ⋯ 𝐴𝑛2
⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮
𝐴𝑎𝑑𝑗(𝐴) = 𝑎 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛 𝐴1𝑖
𝑖1 𝐴2𝑖 ⋯ 𝐴𝑗𝑖 ⋯ 𝐴𝑛𝑖
⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮
[𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑗 ⋯ 𝑎𝑛𝑛 ] [𝐴1𝑛 𝐴2𝑛 ⋯ 𝐴𝑗𝑛 ⋯ 𝐴𝑛𝑛 ]
el 𝑖, 𝑗 −ésimo elemento del producto 𝐴𝑎𝑑𝑗(𝐴) es
|𝐴|, 𝑖 = 𝑗
𝑎𝑖1 𝐴𝑗1 + 𝑎𝑖2 𝐴𝑗2 + ⋯ + 𝑎𝑖𝑗 𝐴𝑗𝑖 + ⋯ + 𝑎𝑖𝑛 𝐴𝑗𝑛 = {
0, 𝑖 ≠ 𝑗
esto significa que
|𝐴| 0 ⋯ 0 1 0 ⋯ 0
0 |𝐴| ⋯ 0 0 1 ⋯ 0
𝐴𝑎𝑑𝑗(𝐴) = [ ] = |𝐴| [ ] = |𝐴|𝐼
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
0 0 ⋯ |𝐴| 0 0 ⋯ 1
de manera análoga
𝐴11 𝐴21 ⋯ 𝐴𝑗1 ⋯ 𝐴𝑛1 𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛
𝐴12 𝐴22 ⋯ 𝐴𝑗2 ⋯ 𝐴𝑛2 𝑎21 𝑎22 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑛
⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮
𝑎𝑑𝑗(𝐴)𝐴 = 𝑎 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛
𝐴1𝑖 𝐴2𝑖 ⋯ 𝐴𝑗𝑖 ⋯ 𝐴𝑛𝑖 𝑖1
⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮
[𝐴1𝑛 𝐴2𝑛 ⋯ 𝐴𝑗𝑛 ⋯ 𝐴𝑛𝑛 ] [𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑗 ⋯ 𝑎𝑛𝑛 ]
el 𝑖, 𝑗 −ésimo elemento del producto 𝑎𝑑𝑗(𝐴)𝐴 es
|𝐴|, 𝑖 = 𝑗
𝑎1𝑗 𝐴1𝑖 + 𝑎2𝑗 𝐴2𝑖 + ⋯ + 𝑎𝑖𝑗 𝐴𝑗𝑖 + ⋯ + 𝑎𝑛𝑗 𝐴𝑛𝑖 = {
0, 𝑖 ≠ 𝑗
esto significa que

81

messages.downloaded_by
 lOMoARcPSD|54809388

|𝐴| 0 ⋯ 0 1 0 ⋯ 0
0 |𝐴| ⋯ 0 0 1 ⋯ 0
𝑎𝑑𝑗(𝐴)𝐴 = [ ] = |𝐴| [ ] = |𝐴|𝐼
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
0 0 ⋯ |𝐴| 0 0 ⋯ 1
Finalmente concluimos
𝐴𝑎𝑑𝑗(𝐴) = 𝑎𝑑𝑗(𝐴)𝐴 = |𝐴|𝐼
Ahora apreciamos que tenemos un nuevo método para determinar la inversa de una
matriz no singular. Establecemos este resultado en el siguiente corolario
Corolario. Si 𝐴 es una matriz de orden 𝑛 y |𝐴| ≠ 0, entonces
1
𝐴−1 = 𝑎𝑑𝑗(𝐴)
|𝐴|
Demostración.
Como |𝐴| ≠ 0 y por el teorema anterior 𝐴𝑎𝑑𝑗(𝐴) = 𝑎𝑑𝑗(𝐴)𝐴 = |𝐴|𝐼, se tiene
1 1
𝐴𝑎𝑑𝑗(𝐴) = 𝐼 = 𝑎𝑑𝑗(𝐴)𝐴
|𝐴| |𝐴|
Multiplicando por el lado izquierdo (lado derecho) a cada miembro de la primera
(segunda) igualdad por la matriz 𝐴−1 se tiene;
1 1
𝐴−1 |𝐴| 𝐴𝑎𝑑𝑗(𝐴) = 𝐴−1 𝐼, |𝐴| 𝑎𝑑𝑗(𝐴)𝐴𝐴−1 = 𝐼𝐴−1

Como
𝐴−1 𝐴 = 𝐼 = 𝐴𝐴−1, 𝐴−1 𝐼 = 𝐴−1 = 𝐼𝐴−1 , 𝐼𝑎𝑑𝑗(𝐴) = 𝑎𝑑𝑗(𝐴) = 𝑎𝑑𝑗(𝐴)𝐼 se tiene
1
𝐴−1 = 𝑎𝑑𝑗(𝐴)
|𝐴|
Teorema. Una matriz 𝐴 es no singular si y sólo si det(𝐴) = |𝐴| ≠ 0
Demostración.
Si 𝐴 es una matriz es no singular, entonces det(𝐴) = |𝐴| ≠ 0
Como 𝐴 es una matriz no singular, es decir 𝐴−1 𝐴 = 𝐼 y aplicando propiedades de
determinantes se tiene que
|𝐴𝐴−1 | = |𝐼|
|𝐴||𝐴−1 | = 1
1
|𝐴−1 | =
|𝐴|
lo cual implica que det(𝐴) = |𝐴| ≠ 0
Además
|𝐴−1 | = |𝐴|−1
Si det(𝐴) = |𝐴| ≠ 0, entonces 𝐴 es una matriz no singular

82

messages.downloaded_by
 lOMoARcPSD|54809388

1
Si det(𝐴) = |𝐴| ≠ 0, entonces por el corolario anterior 𝐴−1 = |𝐴| 𝑎𝑑𝑗(𝐴)

existe y como 𝐴−1 existe, 𝐴 es no singular

Corolario. Si 𝐴 es una matriz de orden 𝑛, entonces el sistema homogéneo 𝐴𝑥 = 0
tiene una solución no trivial si y sólo si det(𝐴) = |𝐴| = 0.
Demostración. Sea 𝐴 una matriz de orden 𝑛. Demostramos dos casos
Demostrar que; Si el sistema homogéneo 𝐴𝑥 = 0 tiene una solución no
trivial, entonces det(𝐴) = |𝐴| = 0; es equivalente a demostrar que; si
det(𝐴) = |𝐴| ≠ 0, entonces el sistema homogéneo 𝐴𝑥 = 0 tiene una
solución trivial. Veamos, como det(𝐴) = |𝐴| ≠ 0 , entonces 𝐴 es no singular
y el sistema 𝐴𝑥 = 0 tiene sólo la solución trivial
Demostrar que; Si det(𝐴) = |𝐴| = 0, entonces el sistema homogéneo 𝐴𝑥 =
0 tiene una solución no trivial. Veamos, como det(𝐴) = |𝐴| = 0, entonces 𝐴
es una matriz singular. Y si reducimos la matriz 𝐴 a su forma escalonada
reducida 𝐵, esta presentara al menos una fila con entrada nulas y la solución
del sistema 𝐵𝑥 = 0 es la misma que para el sistema 𝐴𝑥 = 0 Pero el sistema
homogéneo 𝐵𝑥 = 0 presentará 𝑛 − 1 ecuaciones en 𝑛 incógnitas. Por lo
tanto, el sistema homogéneo 𝐴𝑥 = 0 tiene una solución no trivial.
A continuación, presentamos un esquema de afirmaciones equivalentes.

El sistema 𝐴𝑥 = 0 solo
tiene la solución trivial

𝐴 es no El sistema 𝐴𝑥 = 𝑏 tiene una

única solución para cada matriz 𝑏 |𝐴| ≠ 0
singular

𝐴 es equivalente por
filas a la matriz
identidad 𝐼

−1, 𝑖 = 𝑗
Ejercicio 84. Sea 𝐵 = [𝑏𝑖𝑗 ]𝑛×𝑛 , 𝑏𝑖𝑗 = { Halle |𝑎𝑑𝑗(𝐵−1 )𝐵−1 |
𝑚 − 1, 𝑖 ≠ 𝑗

Solución 84. Se desea hallar el determinante de la matriz 𝑎𝑑𝑗(𝐵−1 )𝐵−1

83

messages.downloaded_by
 lOMoARcPSD|54809388

Recordamos;
1
𝐴−1 = 𝑎𝑑𝑗(𝐴)
|𝐴|
De donde;
𝑎𝑑𝑗(𝐵−1 ) = |𝐵−1 |(𝐵−1 )−1 = |𝐵|−1 𝐵
Multiplicando por el lado derecho con la matriz 𝐵
𝑎𝑑𝑗(𝐵−1 )𝐵−1 = |𝐵|−1 𝐵𝐵−1
𝑎𝑑𝑗(𝐵 −1 )𝐵−1 = |𝐵|−1 𝐼
Entonces;
|𝑎𝑑𝑗(𝐵−1 )𝐵−1 | = ||𝐵|−1 𝐼| = (|𝐵|−1 )𝑛 |𝐼| = |𝐵|−𝑛
Donde
−1 𝑚−1 ⋯ 𝑚−1
𝑚−1 −1 ⋯ 𝑚−1
𝐵=[ ]
⋮ ⋮ ⋱ ⋮
𝑚−1 𝑚−1 ⋯ −1
Hallamos
−1 𝑚−1 ⋯ 𝑚−1
𝑚−1 −1 ⋯ 𝑚−1
|𝐵| = | |
⋮ ⋮ ⋱ ⋮
𝑚−1 𝑚−1 ⋯ −1
𝑐1 +𝑐2
→ (𝑛 − 1)(𝑚 − 1) − 1 𝑚 − 1 ⋯ 𝑚−1
𝑐1 +𝑐3
(𝑛 − 1)(𝑚 − 1) − 1 −1 ⋯ 𝑚−1
=→ | |
⋮ ⋮ ⋮ ⋱ ⋮
𝑐1 +𝑐𝑛 (𝑛 − 1)(𝑚 − 1) − 1 𝑚 − 1 ⋯ −1
→
1 𝑚−1 ⋯ 𝑚−1
1 −1 ⋯ 𝑚−1
= ((𝑛 − 1)(𝑚 − 1) − 1) | |
⋮ ⋮ ⋱ ⋮
1 𝑚−1 ⋯ −1
𝑓2 +(−1)𝑓1
→ 1 𝑚−1 ⋯ 𝑚−1
𝑓3 +(−1)𝑓1
0 −𝑚 ⋯ 𝑚 − 1
= ((𝑛 − 1)(𝑚 − 1) − 1)→ | |
⋮ ⋮ ⋮ ⋱ ⋮
𝑓𝑛 +(−1)𝑓1 0 0 ⋯ −𝑚
→
Por lo que;
|𝐵| = ((𝑛 − 1)(𝑚 − 1) − 1)(−𝑚)𝑛−1
Finalmente,
−𝑛
|𝑎𝑑𝑗(𝐵−1 )𝐵−1 | = (((𝑛 − 1)(𝑚 − 1) − 1)(−𝑚)𝑛−1 )
−𝑛
|𝑎𝑑𝑗(𝐵−1 )𝐵−1 | = ((𝑛 − 1)(𝑚 − 1) − 1) ((−𝑚)𝑛−1 )−𝑛

84

messages.downloaded_by
 lOMoARcPSD|54809388

Ejercicio 85. Halle

5 3 0 ⋯ 0
2 5 3 ⋯ 0
|0 2 5 ⋯ 0||
|
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 ⋯ 5

Solución 85. Sea

5 3 0 ⋯ 0
2 5 3 ⋯ 0
𝐷𝑛 = ||0 2 5 ⋯ 0||
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 ⋯ 5
Utilizando menores y cofactores, se elige la fila 1
2 3 0 ⋯ 0
0 5 3 ⋯ 0
𝐷𝑛 = 5𝐷𝑛−1 − 3 ||0 2 5 ⋯ 0||
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 ⋯ 5
Se elige la columna 1
𝐷𝑛 = 5𝐷𝑛−1 − 3(2)𝐷𝑛−2
𝐷𝑛 = (3 + 2)𝐷𝑛−1 − 3(2)𝐷𝑛−2
obteniéndose la fórmula de recurrencia
𝐷𝑛 − 3𝐷𝑛−1 = 2(𝐷𝑛−1 − 3𝐷𝑛−2 )
Desarrollando se tiene
𝐷𝑛 − 3𝐷𝑛−1 = 2(2( 𝐷𝑛−2 − 3𝐷𝑛−3 ))

= 2 (2(2( 𝐷𝑛−3 − 3𝐷𝑛−4 )))

= 2 (2(2 ⋯ 2( 𝐷2 − 3𝐷1 )))

5 3
= 2 (2 (2 ⋯ 2 (| | − 3(5))))
2 5

= 2𝑛−2 (4)
= 2𝑛
Entonces
𝐷𝑛 − 3𝐷𝑛−1 = 2𝑛
De donde se obtiene la fórmula de recurrencia
𝐷𝑛 = 2𝑛 + 3𝐷𝑛−1
Desarrollando se tiene

85

messages.downloaded_by
 lOMoARcPSD|54809388

𝐷𝑛 = 2𝑛 + 3(2𝑛−1 + 3𝐷𝑛−2 )
= 2𝑛 + 32𝑛−1 + 32 (2𝑛−2 + 3𝐷𝑛−3 )
= 2𝑛 + 2𝑛−1 3 + 2𝑛−2 32 + 33 (2𝑛−3 + 3𝐷𝑛−4 )
= 2𝑛 + 2𝑛−1 3 + 2𝑛−2 32 + 2𝑛−3 33 + ⋯ + 3𝑛−2 (22 + 3𝐷1 )
= 2𝑛 + 2𝑛−1 3 + 2𝑛−2 32 + 2𝑛−3 33 + ⋯ + 3𝑛−2 (22 + 3(5))

= 2𝑛 + 2𝑛−1 3 + 2𝑛−2 32 + 2𝑛−3 33 + ⋯ + 22 3𝑛−2 + 23𝑛−1 + 3𝑛 8

3𝑛+1 − 2𝑛+1
𝐷𝑛 =
3−2

Ejercicio 86. Halle

𝑝+𝑞 𝑝𝑞 0 ⋯ 0
1 𝑝+𝑞 𝑝𝑞 ⋯ 0
| 0 1 𝑝+𝑞 ⋯ 0 ||
|
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 ⋯ 𝑝+𝑞
Solución 86. Sea
𝑝+𝑞 𝑝𝑞 0 ⋯ 0
1 𝑝+𝑞 𝑝𝑞 ⋯ 0
|
𝐷𝑛 = | 0 1 𝑝+𝑞 ⋯ 0 |
|
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 ⋯ 𝑝+𝑞
Utilizando menores y cofactores, se elige la fila 1
1 𝑝𝑞 ⋯ 0
0 𝑝 +𝑞 ⋯ 0
𝐷𝑛 = (𝑝 + 𝑞)(−1)1+1 𝐷𝑛−1 + 𝑝𝑞(−1)1+2 | |
⋮ ⋮ ⋱ ⋮
⏟0 0 ⋯ 𝑝+𝑞
𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑛−1×𝑛−1

Ahora se elige la columna 1 en la matriz de orden 𝑛 − 1 × 𝑛 − 1

𝐷𝑛 = (𝑝 + 𝑞)𝐷𝑛−1 − 𝑝𝑞𝐷𝑛−2
De donde se obtiene la fórmula de recurrencia
𝐷𝑛 − 𝑝𝐷𝑛−1 = 𝑞(𝐷𝑛−1 − 𝑝𝐷𝑛−2 )
Desarrollando obtenemos
𝐷𝑛 − 𝑝𝐷𝑛−1 = 𝑞(𝑞(𝐷𝑛−2 − 𝑝𝐷𝑛−3 ))
= 𝑞 2 (𝐷𝑛−2 − 𝑝𝐷𝑛−3 )
= 𝑞 𝑛−2 (𝐷𝑛−(𝑛−2) − 𝑝𝐷𝑛−(𝑛−1) )

𝑞 𝑛+1 −𝑝𝑛+1
8 ∑𝑛𝑘=0 𝑞 𝑛−𝑘 𝑝𝑘 = 𝑞 𝑛 + 𝑞 𝑛−1 𝑝 + ⋯ + 𝑝𝑛 =
𝑞−𝑝

86

messages.downloaded_by
 lOMoARcPSD|54809388

= 𝑞 𝑛−2 (𝐷2 − 𝑝𝐷1 )

𝑝+𝑞 𝑝𝑞
= 𝑞 𝑛−2 (| − 𝑝(𝑝 + 𝑞))
1 𝑝 + 𝑞|

= 𝑞 𝑛−2 ((𝑝 + 𝑞)2 − 𝑝𝑞 − 𝑝(𝑝 + 𝑞))

𝐷𝑛 − 𝑝𝐷𝑛−1 = 𝑞 𝑛
De donde obtenemos la fórmula de recurrencia
𝐷n = 𝑞 𝑛 + 𝑝𝐷𝑛−1
Desarrollando se tiene
𝐷𝑛 = 𝑞 𝑛 + 𝑝(𝑞 𝑛−1 + 𝑝𝐷𝑛−2 )
= 𝑞 𝑛 + 𝑝(𝑞 𝑛−1 + 𝑝(𝑞 𝑛−2 + 𝑝𝐷𝑛−3 ))
= 𝑞 𝑛 + 𝑝𝑞 𝑛−1 + 𝑝2 𝑞𝑛−2 + ⋯ + 𝑝𝑛−2 (𝑞𝑛−(𝑛−2) + 𝑝𝐷𝑛−(𝑛−1) )
= 𝑞 𝑛 + 𝑝𝑞 𝑛−1 + 𝑝2 𝑞 𝑛−2 + ⋯ +𝑝𝑛−2 (𝑞 2 + 𝑝(𝑝 + 𝑞))
= 𝑞 𝑛 + 𝑝𝑞 𝑛−1 + 𝑝2 𝑞 𝑛−2 + ⋯ +𝑝𝑛−2 𝑞2 + 𝑝𝑛−1 𝑞 + 𝑝𝑛
𝑞 𝑛+1 − 𝑝𝑛+1
=
𝑞 − 𝑝𝑝
𝑞 𝑛+1 − 𝑝𝑛+1
𝐷𝑛 =
𝑞 − 𝑝𝑝

Ejercicio 87. Halle

𝑝+𝑞 𝑞 0 ⋯ 0
𝑝 𝑝+𝑞 𝑞 ⋯ 0
| 0 𝑝 𝑝+𝑞 ⋯ 0 ||
|
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 ⋯ 𝑝+𝑞
Solución 87. Sea
𝑝+𝑞 𝑞 0 ⋯ 0
𝑝 𝑝+𝑞 𝑞 ⋯ 0
𝐷𝑛 = || 0 𝑝 𝑝+𝑞 ⋯ 0 ||
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 ⋯ 𝑝+𝑞
Utilizando menores y cofactores, se elige la fila 1
𝑝 𝑞 ⋯ 0
0 𝑝+𝑞 ⋯ 0
𝐷𝑛 = (𝑝 + 𝑞)(−1)1+1 𝐷𝑛−1 + 𝑞(−1)1+2 | |
⋮ ⋮ ⋱ ⋮
⏟ 0 0 ⋯ 𝑝+𝑞
𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑛−1×𝑛−1

Ahora se elige la columna 1 en la matriz de orden 𝑛 − 1 × 𝑛 − 1

𝐷𝑛 = (𝑝 + 𝑞)𝐷𝑛−1 − 𝑞𝐷𝑛−2

87

messages.downloaded_by
 lOMoARcPSD|54809388

De donde se obtiene la fórmula de recurrencia

𝐷𝑛 − 𝑝𝐷𝑛−1 = 𝑞(𝐷𝑛−1 − 𝐷𝑛−2 )
Desarrollando obtenemos
𝐷𝑛 − 𝑝𝐷𝑛−1 = 𝑞(𝑞(𝐷𝑛−2 − 𝑝𝐷𝑛−3 ))
= 𝑞 2 (𝐷𝑛−2 − 𝑝𝐷𝑛−3 )
= 𝑞 𝑛−2 (𝐷𝑛−(𝑛−2) − 𝑝𝐷𝑛−(𝑛−1) )
= 𝑞 𝑛−2 (𝐷2 − 𝑝𝐷1 )
𝑝+𝑞 𝑝𝑞
= 𝑞 𝑛−2 (| − 𝑝(𝑝 + 𝑞))
1 𝑝 + 𝑞|

= 𝑞 𝑛−2 ((𝑝 + 𝑞)2 − 𝑝𝑞 − 𝑝(𝑝 + 𝑞))

𝐷𝑛 − 𝑝𝐷𝑛−1 = 𝑞 𝑛
De donde obtenemos la fórmula de recurrencia
𝐷𝑛 = 𝑞 𝑛 + 𝑝𝐷𝑛−1
Desarrollando se tiene
𝐷𝑛 = 𝑞 𝑛 + 𝑝(𝑞 𝑛−1 + 𝑝𝐷𝑛−2 )
= 𝑞 𝑛 + 𝑝(𝑞 𝑛−1 + 𝑝(𝑞 𝑛−2 + 𝑝𝐷𝑛−3 ))
= 𝑞 𝑛 + 𝑝𝑞 𝑛−1 + 𝑝2 𝑞𝑛−2 + ⋯ + 𝑝𝑛−2 (𝑞𝑛−(𝑛−2) + 𝑝𝐷𝑛−(𝑛−1) )
= 𝑞 𝑛 + 𝑝𝑞 𝑛−1 + 𝑝2 𝑞 𝑛−2 + ⋯ +𝑝𝑛−2 (𝑞 2 + 𝑝(𝑝 + 𝑞))
= 𝑞 𝑛 + 𝑝𝑞 𝑛−1 + 𝑝2 𝑞 𝑛−2 + ⋯ +𝑝𝑛−2 𝑞2 + 𝑝𝑛−1 𝑞 + 𝑝𝑛
𝑞 𝑛+1 − 𝑝𝑛+1
=
𝑞 − 𝑝𝑝
𝑞 𝑛+1 − 𝑝𝑛+1
𝐷𝑛 =
𝑞 − 𝑝𝑝

3.4.3 RANGO DE UNA MATRIZ

Ahora, veamos como hallar el rango de una matriz 𝐴 de orden 𝑚 × 𝑛, en relación

con las propiedades de los determinantes. Es decir, relacionar el número de filas no
nulas de la forma escalonada de 𝐴 con el determinante de una matriz cuadrada de
orden el número de filas no nulas.
Submatrices Cuadradas. Dada la matriz 𝐴 de orden 𝑚 × 𝑛, es posible elegir
submatrices cuadradas de orden 𝑘 × 𝑘, las cuales están contenidas en 𝐴.
Definición. El rango de una matriz 𝐴 de orden 𝑚 × 𝑛 es el orden de la submatriz
cuadrada más grande, contenida en 𝐴, que sea no singular.

88

messages.downloaded_by
 lOMoARcPSD|54809388

NOTAS.

Si 𝑟(𝐴) = 𝑘, entonces 𝑘 ≤ 𝑚𝑖𝑛{𝑚, 𝑛}

Para calcular el rango de 𝐴, basta que entre todas las submatrices cuadradas
mas grandes, encontremos una que sea no singular. Si este no fuera el caso,
continuamos con las submatrices cuadradas de orden inferior.
Esta forma de hallar el rango de una matriz pierde eficiencia para matrices
de orden superior, por los abundantes cálculos que presenta, es preferible
seguir el procedimiento de reducir dicha matriz a su forma escalonada y
contar el número de filas no nulas.

Ejercicio 88. Sea la matriz

2 5 3
1 2 2
𝐴=[ ]
3 4 1
2 3 2

halle el rango de la matriz 𝐴.

Solución 88. Se desea hallar 𝑟(𝐴)

Como la matriz 𝐴 es de orden 4 × 3, entonces 𝑟(𝐴) ≤ 𝑚𝑖𝑛{4,3}. Es decir 𝑟(𝐴) ≤ 3.
Formando las submatrices cuadradas más grandes de orden 3 × 3, contenidas en 𝐴, se tiene;
2 5 3 2 5 3 2 5 3 1 2 2
[ 1 2 2] , [ 1 2 2] , [ 3 4 1] , [ 3 4 1]
3 4 1 2 3 2 2 3 2 2 3 2
Basta que una de ellas sea no singular, tenga determinante diferente de cero, para qué
𝑟(𝐴) = 3.
Veamos;
2 5 3
| 1 2 2| = 7 ≠ 0
3 4 1
Por lo tanto
𝑟(𝐴) = 3

Ejercicio 89. Determinar el rango de la matriz

0 4 12
5 2 −4
𝐴=[ ]
−1 −1 −1
2 3 5

Solución 89. Se desea hallar 𝑟(𝐴)

89

messages.downloaded_by
 lOMoARcPSD|54809388

Como la matriz 𝐴 es de orden 4 × 3, entonces 𝑟(𝐴) ≤ 𝑚𝑖𝑛{4,3}. Es decir 𝑟(𝐴) ≤ 3.

Formando las submatrices cuadradas más grandes de orden 3 × 3, contenidas en 𝐴, se tiene;
0 4 12 0 4 12 0 4 12 5 2 −4
[5 2 −4] , [5 2 −4] , [−1 −1 −1] , [−1 −1 −1]
−1 −1 −1 2 3 5 2 3 5 2 3 5
Basta que una de ellas sea no singular, su determinante diferente de cero, para que 𝑟(𝐴) =
3.
Veamos;
0 4 12 0 4 12 0 4 12 5 2 −4
|5 2 −4| = 0, |5 2 −4| = 0, |−1 −1 −1| = 0, |−1 −1 −1| = 0
−1 −1 −1 2 3 5 2 3 5 2 3 5
como no existen matrices de orden 3 × 3 no singulares, continuamos con las submatrices
cuadradas de orden inferior. Basta que alguna de estas submatrices sea no singular para que
el 𝑟(𝐴) = 2.
Veamos;
0 4
| | = −20 ≠ 0
5 2
Por lo tanto,
𝑟(𝐴) = 2

3.5 REGLA DE CRAMER

Es un método para resolver sistemas de 𝑛 ecuaciones lineales en 𝑛 incógnitas

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮ ⋮ ⋯ ⋮ ⋮
𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 = 𝑏𝑖
⋮ ⋮ ⋯ ⋮ ⋮
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛
y es equivalente a la ecuación matricial
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2 𝑏2
⋮ ⋮ ⋱ ⋮ ⋮ ⋮
𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑛 𝑥𝑖 = 𝑏𝑖
⋮ ⋮ ⋱ ⋮ ⋮ ⋮
[𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 ] [𝑏𝑛 ] [𝑏𝑛 ]
en forma compacta o implícita se tiene
𝐴𝑥 = 𝑏

90

messages.downloaded_by
 lOMoARcPSD|54809388

Donde; 𝐴 es la matriz de los coeficientes de orden 𝑛 no singular, 𝑥 es la matriz de

las incógnitas y 𝑏 la matriz de los términos independientes.
Teorema. (Regla de Cramer) Sea el sistema de 𝑛 ecuaciones lineales en 𝑛 incógnitas
𝐴𝑥 = 𝑏. Si det(𝐴) = |𝐴| ≠ 0, entonces el sistema tiene la única solución
𝑥1
𝑥2
⋮
𝑥= 𝑥
𝑖
⋮
[𝑥𝑛 ]
Donde;
|𝐴1 | |𝐴2 | |𝐴𝑖 | |𝐴𝑛 |
𝑥1 = |𝐴|
, 𝑥2 = |𝐴|
, ⋯ , 𝑥𝑖 = |𝐴|
, ⋯ , 𝑥𝑛 = |𝐴|

Donde 𝐴𝑖 es la matriz que se obtiene de 𝐴 al remplazar la 𝑖 −ésima columna de 𝐴

por 𝑏.
Demostración.
Si det(𝐴) = |𝐴| ≠ 0, entonces 𝐴 es una matriz no singular. Entonces el sistema tiene
1
la única solución 𝑥 = 𝐴−1 𝑏. Es decir 𝑥 = |𝐴| 𝑎𝑑𝑗(𝐴)𝑏

en forma explícita es
𝑥1 𝐴11 𝐴21 ⋯ 𝐴𝑖1 ⋯ 𝐴𝑛1 𝑏1
𝑥2 𝐴12 𝐴22 ⋯ 𝐴𝑖2 ⋯ 𝐴𝑛2 𝑏2
⋮ 1 ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮
𝑥𝑖 = |𝐴| 𝐴1𝑖 𝐴2𝑖 ⋯ 𝐴𝑖𝑖 ⋯ 𝐴𝑛𝑖 𝑏𝑖
⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮
[𝑥𝑛 ] [𝐴1𝑛 𝐴2𝑛 ⋯ 𝐴𝑖𝑛 ⋯ 𝐴𝑛𝑛 ] [𝑏𝑛 ]
Esto significa que
1
𝑥𝑖 = |𝐴| (𝐴1𝑖 𝑏1 + 𝐴2𝑖 𝑏2 + ⋯ + 𝐴𝑖𝑖 𝑏𝑖 + ⋯ + 𝐴𝑛𝑖 𝑏𝑛 ) para 𝑖 = 1,2, ⋯ , 𝑛

Considerando la matriz
𝑎11 𝑎12 ⋯ 𝑎1𝑖−1 𝑏1 𝑎1𝑖+1 ⋯ 𝑎1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑖−1 𝑏2 𝑎2𝑖+1 ⋯ 𝑎2𝑛
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
𝐴𝑖 =
𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑖−1 𝑏𝑖 𝑎𝑖𝑖+1 ⋯ 𝑎𝑖𝑛
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
[𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑖−1 𝑏𝑛 𝑎𝑛𝑖+1 ⋯ 𝑎𝑛𝑛 ]
Si desarrollamos el determinante de 𝐴𝑖 con respecto a la 𝑖 −ésima columna, se tiene
que
|𝐴𝑖 | = 𝐴1𝑖 𝑏1 + 𝐴2𝑖 𝑏2 + ⋯ + 𝐴𝑖𝑖 𝑏𝑖 + ⋯ + 𝐴𝑛𝑖 𝑏𝑛
Por lo tanto,

91

messages.downloaded_by
 lOMoARcPSD|54809388

|𝐴𝑖 |
𝑥𝑖 = |𝐴|
para 𝑖 = 1,2, ⋯ , 𝑛

NOTAS

La regla de Cramer sólo se aplica si tenemos sistemas de 𝑛 ecuaciones en 𝑛

incógnitas y si la matriz de coeficientes es no singular.
Si det(𝐴) = |𝐴| = 0, no se puede aplicar la regla de Cramer para resolver el
sistema 𝐴𝑥 = 𝑏
El determinante de 𝐴𝑖 se puede determinar mediante cualquier método.
La regla de Cramer es ineficiente desde el punto de vista del cálculo para 𝑛 > 4,
es preferible utilizar el método de reducción de Gauss-Jordan.

1 1 −1
Ejercicio 90. Sea 𝑎𝑑𝑗(𝐴) = [−10 𝑘 2 ] y |𝐴| = 2. Determinar el valor de 𝑘 y
7 −3 −1
halle la matriz 𝐴.

Solución 90. Se desea halla el valor de 𝑘 y la matriz 𝐴

Recordamos
1
𝐴−1 = 𝑎𝑑𝑗(𝐴)
|𝐴|
|𝐴|𝐴−1 = 𝑎𝑑𝑗(𝐴)
Sacando la inversa en ambos miembros tenemos
(𝑎𝑑𝑗(𝐴))−1 = |𝐴|−1 A ↝ A = |𝐴|(𝑎𝑑𝑗(𝐴))−1
Si 𝐴 es una matriz de orden 𝑛 se tiene
|𝑎𝑑𝑗(𝐴)| = ||𝐴|𝐴−1 | = |𝐴|𝑛 |𝐴−1 | pues |𝛼𝐴| = 𝛼 𝑛 |𝐴|
= |𝐴|𝑛 |𝐴|−1 pues |𝐴−1 | = |𝐴|−1
|𝑎𝑑𝑗(𝐴)| = |𝐴|𝑛−1
En el ejercicio, la matriz 𝐴 tiene orden 3, entonces
|𝑎𝑑𝑗(𝐴)| = |𝐴|3−1 = |𝐴|2
|𝑎𝑑𝑗(𝐴)| = 22 = 4
Luego
1 1 −1
|𝑎𝑑𝑗(𝐴)| = |−10 𝑘 2 |=4
7 −3 −1
Desarrollando el determinante y despejando se tiene que; 𝑘 = 4
Ahora, hallamos (𝑎𝑑𝑗(𝐴))−1

92

messages.downloaded_by
 lOMoARcPSD|54809388

𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 1 3
1
1 1 −1 1 0 0 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 1 0 0| 2 2
[𝑎𝑑𝑗(𝐴)|𝐼] = [−10 4
𝑝𝑜𝑟 𝑓𝑖𝑙𝑎𝑠 3
2 |0 1 0] → 0 1 01 2
| 2
7 −3 −1 0 0 1 0 0 11 5 7
[ 2 2 2]
entonces,
1 3
1
2 2
3
(𝑎𝑑𝑗(𝐴))−1 = 1 2
2
1 5 7
[2 2 2]
Finalmente,
1 3
1
2 2
3 1 2 3
𝐴=2 1 2 = [ 2 3 4]
2 1 5 7
1 5 7
[2 2 2]

1 2 3
Ejercicio 91. Hallar la matriz 𝐴, si 𝑐𝑜𝑓𝑎𝑐𝑡(𝐴) = [0 4 −1]
0 −1 2

Solución 91. Se desea hallar la matriz 𝐴

Recordamos
1
𝐴−1 = |𝐴| 𝑎𝑑𝑗(𝐴), 𝑎𝑑𝑗(𝐴) = (𝑐𝑜𝑓𝑎𝑐𝑡(𝐴))𝑇 , A = |𝐴|(𝑎𝑑𝑗(𝐴))−1 y

|𝑎𝑑𝑗(𝐴)| = |𝐴|𝑛−1
Entonces
1 0 0
𝑎𝑑𝑗(𝐴) = (𝑐𝑜𝑓𝑎𝑐𝑡(𝐴))𝑇 = [2 4 −1]
3 −1 2
1 0 0
|𝐴|3−1 = |𝑎𝑑𝑗(𝐴)| = |2 4 −1| = 7 ↝ |𝐴|2 = 7 ↝ |𝐴| = ±√7
3 −1 2
Hallamos la matriz (𝑎𝑑𝑗(𝐴))−1
𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 1 0 0
1 0 0 1 0 0 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 1 0 0 2 1
0 1 0|−1
𝑝𝑜𝑟 𝑓𝑖𝑙𝑎𝑠
[𝑎𝑑𝑗(𝐴)|𝐼] = [2 4 −1|0 1 0] → 7 7
3 −1 2 0 0 1 0 0 1 −2 1 4
[ 7 7]
Luego

93

messages.downloaded_by
 lOMoARcPSD|54809388

1 0 0
2 1
−1
(𝑎𝑑𝑗(𝐴))−1 = 7 7
1 4
[ −2
7 7]
1
0 0
2 1
−1
A = |𝐴|(𝑎𝑑𝑗(𝐴))−1 = ±√7 7 7
1 4
[−2 7 7]
Finalmente,

√7 7 0 0
A=± [ −7 2 1]
7
−14 1 4

Ejercicio 92. Resolver el sistema

𝑥+𝑦+𝑤 =0

𝑧+𝑥+𝑤 = 0

𝑤+𝑧+𝑦 = 1

𝑧+𝑦−𝑥 =2

Solución 92. Se desea hallar los valores para 𝑥, 𝑦, 𝑧, 𝑤

Ordenamos el sistema
𝑥+𝑦+𝑤 =0
𝑥+𝑧+𝑤 =0
𝑦+𝑧+𝑤 =1
−𝑥 + 𝑦 + 𝑧 = 2
En forma matricial se tiene
1 1 0 1 𝑥 0
1 0 1 1 𝑦 0
[ ][ ] = [ ]
0 1 1 1 𝑧 1
−1 1 1 0 𝑤 2
1 1 0 1
1 0 1 1
Como el determinante de la matriz de los coeficientes es |𝐴| = | |=1.
0 1 1 1
−1 1 1 0
Es decir, la matriz 𝐴 es no singular, entonces el sistema tiene solución única y para
resolverlo aplicamos la regla de Cramer.
Recordamos

94

messages.downloaded_by
 lOMoARcPSD|54809388

|𝐴𝑖 |
𝑥𝑖 = |𝐴|
para 𝑖 = 1,2, ⋯ , 𝑛

Veamos;
0 1 0 1 0 1 0 1
1 0 0 1 1 1 0 0 1 1
𝑥= | |= | |=0
|𝐴| 1 1 1 1 1 1 1 1 1
2 1 1 0 2 1 1 0
1 0 0 1 1 0 0 1
1 1 0 1 1 1 1 0 1 1
𝑦= | |= | |=1
|𝐴| 0 1 1 1 1 0 1 1 1
−1 2 1 0 −1 2 1 0
1 1 0 1 1 1 0 1
1 1 0 0 1 1 1 0 0 1
𝑧= | |= | |=1
|𝐴| 0 1 1 1 1 0 1 1 1
−1 1 2 0 −1 1 2 0
1 1 0 0 1 1 0 0
1 1 0 1 0 1 1 0 1 0
𝑤= | |= | | = −1
|𝐴| 0 1 1 1 1 0 1 1 1
−1 1 1 2 −1 1 1 2
Finalmente,
𝑥 0
𝑦 1
[ ]=[ ]
𝑧 1
𝑤 −1

Ejercicio 93. Sea la matriz

𝑛 − 1, 𝑖 = 𝑗
𝐴 = [𝑎𝑖𝑗 ]𝑛×𝑛 , 𝑎𝑖𝑗 = {
1, 𝑖 ≠ 𝑗

Halle el valor de 𝑛 para que el rango de 𝐴 sea igual a su orden.

Solución 93. Se desea hallar el valor de 𝑛 para que el rango de 𝐴 sea igual a su orden, es
decir hallar el orden de la submatriz cuadrada de mayor orden de la matriz 𝐴.
Como 𝐴 es una matriz cuadrada de orden 𝑛, entonces el rango de 𝐴 es 𝑛 cuando 𝐴 es no
singular.
La matriz 𝐴 en forma explicita
𝑛−1 1 ⋯ 1
1 𝑛−1 ⋯ 1
𝐴=[ ]
⋮ ⋮ ⋱ ⋮
1 1 ⋯ 𝑛−1
Luego, calculamos el determinante

95

messages.downloaded_by
 lOMoARcPSD|54809388

𝑓1 +(−1)𝑓𝑛
𝑛−1 1 ⋯ 1 → 𝑛−2 0 ⋯ 2−𝑛
𝑓2 +(−1)𝑓𝑛
|𝐴| = | 1 𝑛−1 ⋯ 1
|= → |
0 𝑛 − 2 ⋯ 2−𝑛
|
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
1 1 ⋯ 𝑛−1 𝑓𝑛−1 +(−1)𝑓𝑛 1 1 ⋯ 𝑛−1
→
𝑐𝑛 +𝑐1
→ 𝑛−2 0 ⋯ 0
𝑐𝑛 +𝑐2
0 𝑛 − 2 ⋯ 0
= → | |
⋮ ⋮ ⋮ ⋱ ⋮
𝑐𝑛 +𝑐𝑛−1 1 1 ⋯ 2(𝑛 − 1)
→
Como se obtiene una matriz triangular inferior, se tiene que;
|𝐴| = 2(𝑛 − 1)(𝑛 − 2)𝑛−1
Entonces
2(𝑛 − 1)(𝑛 − 2)𝑛−1 ≠ 0 ↝ 𝑛 ≠ 1, 𝑛 ≠ 2
Por lo tanto, el rango de 𝐴 es igual a su orden para 𝑛 ≥ 3

Ejercicio 94. Dado el sistema

(1 − 𝑎)𝑥 − 𝑦 − 𝑧 = 4

2𝑥 + 𝑎𝑦 + 2𝑧 = 2

𝑥 − 𝑦 − (1 + 𝑎)𝑧 = −2

Hallar los valores de 𝑎 para que el sistema:

Tenga solución única

Tenga infinitas soluciones
No tenga soluciones

Solución 94. Se desea hallar los valores de 𝑎 para que el sistema, en forma matricial,
1−𝑎 −1 −1 𝑥 4
[ 2 𝑎 2 ] [𝑦] = [ 2 ]
1 −1 −1 − 𝑎 𝑧 −2

tenga:

Solución única.
El sistema tiene solución única si y sólo si la matriz de los coeficientes es no singular.
Es decir
1−𝑎 −1 −1
| 2 𝑎 2 | = 𝑎3 − 4𝑎 = 𝑎(𝑎2 − 4) ≠ 0
1 −1 −1 − 𝑎
Luego el sistema tiene solución única para 𝑎 ∈ 𝑅 − {−2,0,2}
96

messages.downloaded_by
 lOMoARcPSD|54809388

Infinitas soluciones.
El sistema tiene infinitas soluciones si 𝑟(𝐴𝑎 ) = 𝑟(𝐴) = 𝑘 < 𝑛, 𝑛 número de
incógnitas.
Verificamos para los valores 𝑎 = −2, 𝑎 = 0, 𝑎 = 2
Para 𝑎 = −2
𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
3 −1 −1 4 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠
𝑝𝑜𝑟 𝑓𝑖𝑙𝑎
1 0 −1 0
𝐴𝑎 = [2 −2 2 2 ]→ [0 1 2 0]
1 −1 1 −2 0 0 0 1
Donde 𝑟(𝐴𝑎 ) = 3 ≠ 2 = 𝑟(𝐴). Por lo tanto, el sistema no tiene solución.
Para 𝑎 = 0
𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
1 −1 −1 4 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 1 0 1 0
𝑝𝑜𝑟 𝑓𝑖𝑙𝑎
𝐴𝑎 = [2 0 2 2 ]→ [0 1 2 0]
1 −1 −1 −2 0 0 0 1
Donde 𝑟(𝐴𝑎 ) = 3 ≠ 2 = 𝑟(𝐴). Por lo tanto, el sistema no tiene solución.
Para 𝑎 = 2
𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
−1 −1 −1 4 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 𝑝𝑜𝑟 𝑓𝑖𝑙𝑎
1 0 −1 0
𝐴𝑎 = [ 2 2 2 2 ] → [ 0 1 2 0]
1 −1 −3 −2 0 0 0 1
Donde 𝑟(𝐴𝑎 ) = 3 ≠ 2 = 𝑟(𝐴). Por lo tanto, el sistema no tiene solución
Por lo tanto, el sistema no tiene infinitas soluciones.
El sistema no tiene solución para valores de 𝑎 ∈ {−2,0,2}

Ejercicio 95. Sean las matrices

7 23 25 1 3 3
𝐴𝐵 = [ 5 16 16 ] , 𝐵 = [1 4 3]
𝑎 − 1 4𝑎 − 3 3𝑎 − 6 1 3 4

Hallar el valor de 𝑎 si 𝐴 es una matriz singular.

Solución 95. Se desea hallar el valor de 𝑎 si 𝐴 es una matriz singular

Sea
𝑥 𝑦 𝑧
𝐴 = [𝑚 𝑛 𝑟]
𝑠 𝑡 𝑝
De
7 23 25
𝐴𝐵 = [ 5 16 16 ]
𝑎 − 1 4𝑎 − 3 3𝑎 − 6

97

messages.downloaded_by
 lOMoARcPSD|54809388

se tiene
𝑥 𝑦 𝑧 1 3 3 7 23 25
[𝑚 𝑛 𝑟 ] [1 4 3] = [ 5 16 16 ]
𝑠 𝑡 𝑝 1 3 4 𝑎 − 1 4𝑎 − 3 3𝑎 − 6
𝑥+𝑦+𝑧 3𝑥 + 4𝑦 + 3𝑧 3𝑥 + 3𝑦 + 4𝑧 7 23 25
[𝑚 + 𝑛 + 𝑟 3𝑚 + 4𝑛 + 3𝑟 3𝑚 + 3𝑛 + 4𝑟] = [ 5 16 16 ]
𝑠+𝑡+𝑝 3𝑠 + 4𝑡 + 3𝑝 3𝑠 + 3𝑡 + 4𝑝 𝑎 − 1 4𝑎 − 3 3𝑎 − 6
De la igualdad de matrices tenemos los siguientes sistemas de ecuaciones lineales:

𝑥+𝑦+𝑧 =7
3𝑥 + 4𝑦 + 3𝑧 = 23
3𝑥 + 3𝑦 + 4𝑧 = 25

en forma matricial es
1 1 1 𝑥 7
[3 4 3] [𝑦] = [23]
3 3 4 𝑧 25
Aplicando el método de reducción de Gauss-Jordan, la matriz aumentada se reduce
a su forma escalonada reducida
𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
1 1 1 7 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠
𝑝𝑜𝑟 𝑓𝑖𝑙𝑎𝑠
1 0 0 1
[3 4 3 23] → [0 1 0 2]
3 3 4 25 0 0 1 4
luego la solución del sistema es;
𝑥 1
[ 𝑦 ] = [ 2]
𝑧 4

𝑚+𝑛+𝑟 =5
3𝑚 + 4𝑛 + 3𝑟 = 16
3𝑚 + 3𝑛 + 4𝑟 = 16

en forma matricial es
1 1 1 𝑚 5
[3 4 3] [ 𝑛 ] = [16]
3 3 4 𝑟 16
Aplicando el método de reducción de Gauss-Jordan, la matriz aumentada se reduce
a su forma escalonada reducida

98

messages.downloaded_by
 lOMoARcPSD|54809388

1 1 1 5  operacione s 1 0 0 3
3 4 3 16  0 1 0 1
   
3 3 4 16 por filas 0 0 1 1

luego la solución del sistema es;

m  3
 n   1
   
 r  1

s  t  p  a 1
3s  4t  3p  4a  3
3s  3t  4p  3a  6

en forma matricial es
1 1 1  s   a  1 
3 4 3  t   4a  3
    
3 3 4 p 3a  6

Aplicando el método de reducción de Gauss-Jordan, la matriz aumentada se reduce

a su forma escalonada reducida
1 1 1 a  1  operacione s 1 0 0 2 
3 4 3 4a  3  0 1 0 a 
   
3 3 4 3a  6 por filas 0 0 1  3

luego la solución del sistema es;

s   2 
t   a 
   
p   3

Luego la matriz 𝐴 esta dada por:

1 2 4
𝐴 = [3 1 1]
2 𝑎 −3
Si la matriz 𝐴 es singular, es decir
1 2 4
|𝐴| = |3 1 1 |=0
2 𝑎 −3
−3 + 4 + 12𝑎 − 8 − 𝑎 + 18 = 0 ↝ 𝑎 = 1
Se obtiene
𝑎=1

EJERCICIOS.

99

messages.downloaded_by
 lOMoARcPSD|54809388

Ejercicio 96. Determinar todos los valores de  para los cuales la matriz
  2  1 3 

A 2  1 2 
 0 0   4

es singular.
Ejercicio 97. Sea el sistema I  AX  O donde
  2 1  3
A   2 1  2
 0 0 4 

Hallar;

Los valores de  para los cuales la matriz I  A es no singular

Los valores de  para los cuales la matriz I  A es singular y halle la matriz X
para cada  encontrado.

Ejercicio 98. Sea el sistema

3x  4 y  5z  a
4 x  5 y  6z  b
5x  6 y  7 z  c

Cual es la relación entre a, b y c para que el sistema sea consistente

Cual es la relación entre a, b y c para que el sistema sea inconsistente
Cuales son los valores de a, b y c para que el sistema tenga solución única.

Ejercicio 99. Sea:

x  ay  2z  1
3x  2 y  (1  a )z  2
x  y  (1  a )z  1

Hallar el(los) valor(es) de “a” para que el sistema tenga:

solución única.
Infinitas soluciones
no tenga soluciones

Ejercicio 100. Determinar el valor de “a” para los cuales el sistema

xz  4
2x  y  3z  5
a 2

 5a z  3x  3y  a  8

No tenga solución
100

messages.downloaded_by
 lOMoARcPSD|54809388

Tenga una única solucione

Tenga infinidad de soluciones

Ejercicio 101. Hallar el valor de “a” para que el sistema sea inconsistente
ax  y  z  u  2
x  y  z  u  1
x  y  az  3
(2a  1) x  y  z  5

Ejercicio 102. Dado el sistema:

(1  a ) x  y  z  4
ay  2x  2z  2
x  y  (1  a )z  2

Hallar el valor de a, para que el sistema tenga:

Solución única, halle dicha solución

Infinitas soluciones, si las hay encontrarlas
No tenga solución.

Ejercicio 103. Sea el sistema de ecuaciones lineales:

2x 1  rx 2  x 3  2r  5
x 1  x 2  rx 3  1
4x 1  x 2  rx 3  5r

Analizar los valores de r para los cuales:

El sistema tiene solución única

El sistema tiene infinitas soluciones y hallarlas
El sistema no tiene solución

Ejercicio 104. Sea A una matriz de orden n. Determinará una formula para las siguientes
expresiones:
adjadjA

adjcofact A

cofact adjA

cofact cofact A

adjadj A A 

cofact cofact  A A

101

messages.downloaded_by
 lOMoARcPSD|54809388

Ejercicio 105. El sistema Ax  b tiene por única solución 2,2,3T . Si la matriz de

cofactores de A es
 8  4  4
 5 7 1 

  1  1 5 

Hallar los elementos de la matriz columna b si el determinante de A es positivo.

Ejercicio 106. Sea A  a ij n  n , a ij  

 sen , i  j
. Hallar cofact adjA
cos  , i  j

2 3 1 
Ejercicio 107. Sea adjadjAX  18B . Hallar la matriz X si A  1 2 3 , X es una
3 1 2

9
matriz columna de orden 31 y B  6
8

102

messages.downloaded_by