Professional Documents
Culture Documents
a
11
. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . a
nm
Indice General
1. Conceptos Generales 1
1.1. Introducci on: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Denici on de Matriz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3. Operaciones con matrices: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1. Igualdad de matrices: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.2. Suma de matrices: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.3. M ultiplo escalar de una matriz: . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.4. Propiedades de la suma de matrices y de la multiplicaci on escalar: . . . . 3
1.3.5. Multiplicacion de matrices: . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.6. Propiedades: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Transpuesta de una matriz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.1. Propiedades de la transpuesta: . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5. Matrices especiales: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2. Sistemas de ecuaciones algebraicas lineales 9
2.1. Introducci on: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1. Solucion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.2. Resolucion de sistemas: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2. Matriz aumentada: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1. Operaciones elementales con las: . . . . . . . . . . . . . . . . . . . . . . 14
2.2.2. Metodo de eliminaci on: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3. Sistemas Homogeneos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.1. Existencia de soluciones no triviales: . . . . . . . . . . . . . . . . . . . . 20
2.4. Expresi on de un sistema lineal en forma matricial: . . . . . . . . . . . . . . . . . 20
2.4.1. Comentarios: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5. Rango de una matriz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.1. Rango de una matriz mediante reducci on de las: . . . . . . . . . . . . . 22
2.6. Consistencia de AX = B: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.7. N umero de par ametros en una soluci on: . . . . . . . . . . . . . . . . . . . . . . . 23
3. Determinantes 25
3.1. Introducci on: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2. Denici on de det de 1 1: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3. Denici on de det de 2 2: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4. Denici on de det de 3 3: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5. Expansi on de un determinante empleando cofactores: . . . . . . . . . . . . . . . 28
3.6. Propiedades de los determinantes: . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.6.1. Determinante de una transpuesta: . . . . . . . . . . . . . . . . . . . . . . 28
3.6.2. Dos las identicas: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.6.3. Fila o columna con ceros: . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.6.4. Intercambio de las: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.6.5. Constante m utiples de una la: . . . . . . . . . . . . . . . . . . . . . . . 28
3.6.6. Determinante de un producto de matrices: . . . . . . . . . . . . . . . . . 28
3.6.7. Determinante inalterado: . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.6.8. Determiante de una matriz triangular: . . . . . . . . . . . . . . . . . . . 29
3.7. Inversa de una matriz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.7.1. Propiedades de la inversa: . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.8. Calculo de la matriz inversa: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.8.1. Denicion de matriz adjunta: . . . . . . . . . . . . . . . . . . . . . . . . 30
3.8.2. Determinacion de la inversa usando adjunta de la matriz: . . . . . . . . . 30
3.8.3. Determinacion de la inversa usando operaciones en las: . . . . . . . . . 31
3.9. Utilizaci on de la matriz inversa para resolver sistemas: . . . . . . . . . . . . . . 32
3.10. Regla de Cramer: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Captulo 1 : Conceptos Generales
1.1 Introducci on:
En las matematicas, con frecuencia enfrentamos la tarea de manejar arreglos de n umeros
o funciones. A uno de dichos arreglos de le denomina matriz. La invenci on de la teora de
matrices se debe al eminente matematico ingles Arthur Cayley (1821 - 1895).
1.2 Denici on de Matriz:
Una matriz es una arreglo rectangular de n umeros o funciones:
a
11
a
12
... a
1n
a
21
a
22
... a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
... a
mn
(1.1)
A los n umeros o funciones incluidos en el arreglo (1.1) se les llama entidades o elemen-
tos de la matriz. Si una matriz tiene m renglones (las) y n columnas decimos que su tama no
es de m por n (y se escribe m n). Una matriz de n n se denomina matriz cuadrada o
matriz de orden n. Una matriz de 1 1 es simplemente una constante o funcion.
Por ejemplo, A =
1 2 5
6 9 3
9 7 0 8
1
2
2 6 1
0 0 1 6
5
3 4
(1.2)
es una matriz cuadrada de 4 4 o una matriz de orden 4.
El elemento que aparece en la la i-esimo y en la columna j-esima de una matriz A de
1
mn se escribe como a
ij
. Por lo tanto, una matriz A de mn se abrevia como A = (a
ij
)
mn
.
En una matriz cuadrada de nn a los elementos a
11
, a
22
, . . . , a
nn
se les llama elementos de la
diagonal principal. Los elementos de la diagonal principal de la matriz B mostrada es (1.2)
son 9, 2, 1 y 4.
1.3 Operaciones con matrices:
1.3.1 Igualdad de matrices:
Dos matrices A y B de mn son iguales si a
ij
= b
ij
para cada i y j.
1.3.2 Suma de matrices:
Si A y B son dos matrices de mn, entonces su suma es
A + B = (a
ij
+ b
ij
)
mn
(1.3)
Para poder sumar o restar dos matrices deben tener el mismo orden, y el resultado es
de ese mismo orden.
Ejemplo N
o
1: suma de dos matrices.
a) La suma de A =
2 1 3
0 4 6
6 10 5
y B =
4 7 8
9 3 5
1 1 2
es:
A + B =
2 + 4 1 + 7 3 8
0 + 9 4 + 3 6 + 5
6 + 1 10 1 5 + 2
6 6 5
9 7 11
5 9 3
b) La suma de A =
1 2 3
4 5 6
y B =
1 0
1 0
ka
11
ka
12
. . . ka
1n
ka
21
ka
22
. . . ka
2n
.
.
.
.
.
.
.
.
.
.
.
.
ka
m1
ka
m2
. . . ka
mn
= (ka
ij
)
mn
En otras palabras, para calcular kA simplemente multiplicamos cada elemento de A por
k.
Ejemplo N
o
2: A partir de la denici on se tiene que 5
2 3
4 1
5 2 5 (3)
5 4 5 (1)
10 15
20 5
a
11
a
12
. . . a
1p
a
21
a
22
. . . a
2p
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mp
b
11
b
12
. . . b
1n
b
21
b
22
. . . b
2n
.
.
.
.
.
.
.
.
.
.
.
.
b
p1
b
p2
. . . b
pn
=
3
a
11
b
11
+ a
12
b
21
+ + a
1p
bp1 . . . a
11
b
1n
+ a
12
b
2n
+ + a
1p
bpn
a
21
b
11
+ a
22
b
21
+ + a
2p
bp1 . . . a
21
b
1n
+ a
22
b
2n
+ + a
2p
bpn
.
.
.
.
.
.
.
.
.
a
m1
b
11
+ a
m2
b
21
+ + a
mp
bp1 . . . a
m1
b
1n
+ a
m2
b
2n
+ + a
mp
bpn
k=1
a
ik
b
kj
mn
La denici on establece que el producto C = AB est a denido solamente cuando el
n umero de columnas de la matriz A es igual que el n umero de las de B. La matriz resultante
C = AB se forma utilizando la denicion del producto interno o punto de la la (vector) i-esimo
de A con cada una de las columnas (vectores) de B.
Ejemplo N
o
3: Dados A =
2 3 1
4 3 1
y B =
2 3 2
1 1 3
2 3 4
, calcular C = AB.
Solucion:
C = AB =
2 3 1
4 3 1
2 3 2
1 1 3
2 3 4
4 + 3 + 2 6 3 3 4 + 9 + 4
8 3 2 12 + 3 + 3 8 9 4
9 0 17
3 18 5
1.3.6 Propiedades:
Ley asociativa
Si A es una matriz de mp, B una matriz de p r y C una matriz de r n, entonces
el producto
A(BC) = (AB)C
Ley distributiva
Si tanto B como C son matrices de r n y A es una matriz de m r, entonces la ley
distributiva es
A(B + C) = AB + AC
4
Adem as, si el producto (B + C)A est a denido, entonces
(B + C)A = BA + CA
1.4 Transpuesta de una matriz:
La transpuesta de la matriz m n, A =
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
es la matriz A
T
de
n m dada por:
A
T
=
a
11
a
12
. . . a
1m
a
21
a
22
. . . a
2m
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nm
En otras palabras, las las de una matriz A se convierten en las columnas de su trans-
puesta A
T
.
Ejemplo N
o
4: Si A =
3 2 1
6 5 2
2 1 4
, entonces A
T
=
3 6 2
2 5 1
1 2 4
. Si B =
5 3
,
entonces B
T
=
5
3
.
1.4.1 Propiedades de la transpuesta:
Suponga que A y B son matrices y k es un escalar. Por lo tanto,
i) (A
T
)
T
= A Transpuesta de la transpuesta.
ii) (A + B)
T
= A
T
+ B
T
Transpuesta de una suma.
iii) (AB)
T
= B
T
A
T
Transpuesta de un producto.
iv) (kA)
T
= kA
T
Transpuesta de un m ultiplo escalar.
5
1.5 Matrices especiales:
En la teora de matrices existen muchos tipos de matrices que son importantes debido
a que poseen ciertas propiedades. A continuacion presentamos una lista de algunas de estas
matrices:
Una matriz formada s olo por elementos cero se denomina matriz cero y se denota
mediante un 0. Por ejemplo:
0 =
0
0
, 0 =
0 0
0 0
, 0 =
0 0
0 0
0 0
1 2 3 4
0 5 6 7
0 0 8 9
0 0 0 1
2 0 0 0 0
1 6 0 0 0
8 9 3 0 0
1 1 1 2 0
15 2 3 4 1
5 0 0
0 1 0
0 0 2
5 0
0 5
5 0
0 5
= 5
1 0
0 1
.
En general, la matriz de n n:
1 0 0 0
0 1 0 0
.
.
.
.
.
.
0 0 0 1
1 2 7
2 5 6
7 6 4
1 2 7
2 5 6
7 6 4
= A
8
Captulo 2 : Sistemas de ecuaciones algebraicas lineales
2.1 Introducci on:
La forma general de un sistema de m ecuaciones lineales y n inc ognitas es:
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
=b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
=b
2
.
.
.
.
.
. (2.1)
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
=b
m
En el sistema lineal mostrado, los coeciente de las inc ognitas pueden abreviarse como a
ij
,
donde i signica la la y j la columna en la que aparece el coeciente. Por ejemplo, a
23
es el
coeciente de la inc ognita localizada en la segunda la y la tercera columna (es decir, x
3
). Por
lo tanto, i = 1, 2, 3, . . . , m y j = 1, 2, 3, . . . , n. Los n umeros b
1
, b
2
, . . . , b
m
se llaman constantes
del sistema. Si todas las constantes son cero, se dice que el sistema es homogeneo, de otra
forma es no homogeneo.
2.1.1 Solucion:
Una solucion de un sistema lineal 2.1 es un conjunto de n n umeros x
1
, x
2
, . . . , x
n
que
satisface cada una de las ecuaciones del sistema. Por ejemplo, x
1
= 3, x
2
= 1 es una solucion
del sistema:
3x
1
+ 6x
2
=3
x
1
4x
2
=7
Para comprobar lo anterior, sustituimos x
1
por 3 y x
2
por 1 en cada ecuaci on:
3(3) + 6(1) = 9 6 = 3 y 3 4(1) = 3 + 4 = 7
9
Se dice que un sistema de ecuaciones lineales es consistente sis tiene al menos una
soluci on, y es inconsistente cuando no tiene soluciones. Si un sistema lineal es consistente
tiene ya sea
una solucion unica (es decir, exactamente una solucion), o
un n umero innito de soluciones.
Por lo tanto, un sistema de ecuaciones lineales no pueden tener, digamos, exactamente
tres soluciones. En un sistema lineal con dos ecuaciones y dos incognitas, las lneas se intersecan
en un punto, (solucion unica), son identicas, (un n umero innito de soluciones), o son paralelas,
(inconsistentes).
2.1.2 Resolucion de sistemas:
Podemos transformar un sistema de ecuaciones lineales en un sistema equivalente (es
decir, en uno que tenga las mismas soluciones) mediante las operaciones elementales si-
guientes:
i) La multiplicacion de una ecuaci on por una constante diferente de cero.
ii) El intercambio de posiciones de las ecuaciones presentes en el sistema.
iii) La suma de un m ultiplo diferente de cero de una ecuaci on con cualquiera de las dem as
ecuaciones.
Para ver como se usan estas operaciones veamos uno ejemplo:
Ejemplo N
o
1: Resuelva:
2x
1
+ 6x
2
+ x
3
=7
x
1
+ 2x
2
x
3
=1
5x
1
+ 7x
2
4x
3
=9
Solucion: Comenzamos intercambiando las las primera y segunda:
10
x
1
+ 2x
2
x
3
=1
2x
1
+ 6x
2
+ x
3
=7
5x
1
+ 7x
2
4x
3
=9
Nuestro objetivo es eliminar x
1
de las ecuaciones segunda y tercera. Si sumamos a la segunda
ecuaci on 2 veces la primera, obtenemos el sistema equivalente:
x
1
+ 2x
2
x
3
=1
2x
2
+ 3x
3
=9
5x
1
+ 7x
2
4x
3
=9
Sum andole a la tercera ecuaci on 5 veces la primera, obtenemos un nuevo sistema equivalente:
x
1
+ 2x
2
x
3
=1
2x
2
+ 3x
3
=9
3x
2
+ x
3
=14
Ahora vamos a utilizar la segunda ecuacion para eliminar la variable x
2
a partir de las ecua-
ciones primera y tercera. Para hacer m as sencillo el procedimiento, multiplicaremos la segunda
ecuaci on por
1
2
:
x
1
+ 2x
2
x
3
=1
x
2
+
3
2
x
3
=
9
2
3x
2
+ x
3
=14
Sumamos a la primera ecuaci on 2 veces la segunda y obtenemos:
11
x
1
+ 4x
3
=10
x
2
+
3
2
x
3
=
9
2
3x
2
+ x
3
=14
A continuaci on, sumamos 3 veces la segunda ecuaci on a la tercera obtenemos:
x
1
+ 4x
3
=10
x
2
+
3
2
x
3
=
9
2
11
2
x
3
=
55
2
Utilizaremos la ultima ecuaci on para eliminar la variable x
3
de las ecuaciones primera y segunda.
Para tal n, multiplicamos la tercera ecuacion por
2
11
:
x
1
+ 4x
3
=10
x
2
+
3
2
x
3
=
9
2
x
3
=5
En este punto podramos utilizar la sustitucion hacia atras; esto es, sustituir el valor x
3
= 5
en las ecuaciones restantes para determinar x
1
y x
2
. Sin embargo, continuando con nuestra
eliminaci on sistem atica, sumamos a la segunda ecuacion
3
2
veces la tercera:
x
1
+ 4x
3
=10
x
2
=3
x
3
=5
Por ultimo, sumando a la primera ecuaci on 4 veces la tercera, obtenemos:
12
x
1
=10
x
2
=3
x
3
=5
Es evidente que x
1
= 10, x
2
= 3, x
3
= 5 es la soluci on al sistema original.
2.2 Matriz aumentada:
En la solucion de un sistema de ecuaciones lineales, son los coecientes de las variables
y las constantes los que determinan la solucion del sistema. De hecho, podemos resolver un
sistema de la forma 2.1 eliminando completamente las variables y realizando las operaciones de
las las de la matriz de coecientes y constantes:
a
11
a
12
. . . a
1n
| b
1
a
21
a
22
. . . a
2n
| b
2
.
.
.
.
.
. |
.
.
.
a
m1
a
m2
. . . a
mn
| b
m
(2.2)
A este arreglo se le denomina matriz aumentada del sistema o simplemente matriz
del sistema 2.1.
Ejemplo N
o
2: Matrices aumentadas.
a) La matriz aumentada
1 3 5 | 2
4 7 1 | 8
1 0 5 | 1
2 8 0 | 7
0 1 9 | 1
1 5 0 | 2
0 1 0 | 1
0 0 0 | 0
0 0 1 6 2 | 2
0 0 0 0 1 | 4
1 0 0 | 7
0 1 0 | 1
0 0 0 | 0
0 0 1 6 0 | 6
0 0 0 0 1 | 4
2 6 1 | 7
1 2 1 | 1
5 7 4 | 9
F
12
1 2 1 | 1
2 6 1 | 7
5 7 4 | 9
2F
1
+ F
2
1 2 1 | 1
0 2 3 | 9
5 7 4 | 9
5F
1
+ F
3
1 2 1 | 1
0 2 3 | 9
0 3 1 | 14
1
2
F
2
1 2 1 | 1
0 1
3
2
|
9
2
0 3 1 | 14
3F
2
+ F
3
1 2 1 | 1
0 1
3
2
|
9
2
0 0
11
2
|
55
2
16
2
11
F
3
1 2 1 | 1
0 1
3
2
|
9
2
0 0 1 | 5
1 2 1 | 1
0 1
3
2
|
9
2
0 0 1 | 5
2F
2
+ F
1
1 0 4 | 10
0 1
3
2
|
9
2
0 0 1 | 5
4F
3
+ F
1
1 0 0 | 10
0 1
3
2
|
9
2
0 0 1 | 5
3
2
F
3
+ F
2
1 0 0 | 10
0 1 0 | 3
0 0 1 | 5
1 3 2 | 7
4 1 3 | 5
2 5 7 | 19
4F
1
+ F
2
1 3 2 | 7
0 11 11 | 33
2 5 7 | 19
2F
1
+ F
3
1 3 2 | 7
0 11 11 | 33
0 11 11 | 33
1
11
F
2
1
11
F
3
1 3 2 | 7
0 1 1 | 3
0 1 1 | 3
3F
2
+ F
1
1 0 1 | 2
0 1 1 | 3
0 1 1 | 3
F
2
+ F
3
1 0 1 | 2
0 1 1 | 3
0 0 0 | 0
En este caso, la ultima matriz en forma escalonada reducida implica que el sistema
original de tres ecuaciones con tres incognitas equivale realmente a dos ecuaciones en cuanto a las
inc ognitas. Puesto que solamente x
3
es com un a ambas ecuaciones (las las diferentes de cero),
podemos asignar sus valores de forma arbitraria. Si x
3
= t, donde t represente cualquier n umero
real, entonces se puede observar que el sistema tiene un innito n umero de soluciones: x
1
= 2t,
x
2
= 3 + t, x
3
= t. Geometricamente, estas ecuaciones son las ecuaciones parametricas de la
lnea de intersecci on de los planos x
1
+ 0x
2
+ x
3
= 2 y 0x
1
+ x
2
x
3
= 3.
Ejemplo N
o
6: Sistemas inconsistentes. Resuelva:
x
1
+ x
2
= 1
4x
1
x
2
= 6
2x
1
3x
2
= 8
Solucion.
En el proceso de aplicar el metodo de eliminacion de Gauss-Jordan a la matriz del
sistema, obtenemos.
18
1 1 | 1
4 1 | 6
2 3 | 8
4F
1
+ F
2
1 1 | 1
0 5 | 10
2 3 | 8
2F
1
+ F
3
1 1 | 1
0 5 | 10
0 5 | 6
1
5
F
2
1 1 | 1
0 1 | 2
0 5 | 6
5F
2
+ F
3
1 1 | 1
0 1 | 2
0 0 | 16
F
2
+ F
1
1 0 | 1
0 1 | 2
0 0 | 16
2 4 3 | 0
1 1 2 | 0
F
12
1 1 2 | 0
2 4 3 | 0
2F
1
+ F
2
1 1 2 | 0
0 6 7 | 0
1
6
F
2
1 1 2 | 0
0 1
7
6
| 0
F
2
+ F
1
1 0
5
6
| 0
0 1
7
6
| 0
Como en el ejemplo N
o
5, si x
3
= t, entonces la soluci on del sistema es x
1
=
5
6
t, x
2
=
7
6
t,
x
3
= t. Observe que al seleccionar t = 0 obtenemos la soluci on trivial x
1
= 0, x
2
= 0, x
3
= 0
para este sistema. Para t = 0 se obtienen soluciones no triviales.
2.4 Expresi on de un sistema lineal en forma matricial:
En vista de la multiplicaci on de matrices y de la igualdad de matrices, observe que el
sistema lineal 2.1 puede escribirse de manera compacta como una ecuaci on matricial AX = B,
20
donde
A =
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
a
m1
a
m2
a
mn
; X =
x
1
x
2
.
.
.
x
n
; B =
b
1
b
2
.
.
.
b
m
(2.4)
Como es natural, la matriz A se denomina matriz de coecientes. La matriz aumentada de un
sistema AX = B a menudo se denota como (A|B).
Un sistema lineal consistente no homogeneo AX = B, B = 0, comparte una propiedad
con las ecuaciones diferenciales, (ecuaciones que incluyen derivadas), lineales no homogeneas.
Si X
h
es una solucion del sistema homogeneo asociado AX = 0, y X
p
es una solucion particular
del sistema no homogeneo AX = B, entonces la superposicion X
h
+X
p
es tambien una solucion
del sistema no homogeneo. Esto es facil de comprobar: A(X
h
+X
p
) = AX
h
+AX
p
= 0+B = B.
Adem as, de modo an alogo a la nocion de una soluci on general de una ecuacion diferencial lineal,
cada solucion del sistema no homogeneo puede obtenerse a partir de X
h
+ X
p
.
2.4.1 Comentarios:
Un sistema de ecuaciones lineales con mas ecuaciones que inc ognitas se dice que est a so-
bredeterminado, mientras que un sistema con un menor n umero de ecuaciones que de inc ogni-
tas se llama subdeterminado. Como regla, un sistema sobredeterminado es generalmente (no
siempre) inconsistente. Y un sistema subdeterminado es usualmente (no siempre) consistente.
Debe observarse la imposibilidad de que un sistema subdeterminado consistente tenga una so-
luci on unica. Para comprender esto, suponga que se tiene m ecuaciones y n inc ognitas donde
m < n. Si se utiliza la eliminacion gaussiana para resolver dicho sistema, entonces la forma
escalonada para la matriz del sistema contendr a r m las diferentes de cero. Por lo tanto,
podemos despejar r de las variables en terminos de nr > 0 variables. Si el sistema subdetermi-
nado es consistente, entonces las nr variables restantes pueden seleccionarse arbitrariamente,
por lo que el sistema tiene un n umero innito de soluciones.
2.5 Rango de una matriz:
Denimos el rango de una matriz A de m n, representado mediante rango(A), al
n umero m aximo de las linealmente independientes de A.
21
Aunque existen varias formas mec anicas de encontrar rango(A), examinamos una forma
que utiliza las operaciones elementales con las presentada en secciones anteriores. Especica-
mente, el rango de A puede encontrarse escribiendo la matriz A como una matriz escalonada
reducida B.
Para comprender esto, recuerde primero que una matriz B de m x es equivalente en
las a una matriz A de mn si las las de B se obtuvieron a partir de las las de A mediante
la aplicacion de las operaciones elementales en las las.
2.5.1 Rango de una matriz mediante reducci on de las:
Si una matriz A es equivalente a una matriz escalonada B, entonces
i) el espacio de las de A = el espacio de las de B,
ii) las las de B diferentes de cero forman una base para el espacio de las de A, y
iii) rango(A) = al n umero de las de B diferentes de cero.
Ejemplo N
o
8: Determinar el rango de la matriz A =
1 1 1 3
2 2 6 8
3 5 7 8
mediante
reducci on de las.
Solucion: Reducimos una matriz A a una matriz escalonada B exactamente de la misma
forma que reducimos en las la matriz aumentada de un sistema de ecuaciones lineales a
una forma escalonada al usar el metodo de eliminaci on gaussuana. Utilizando las operaciones
elementales de las obtenemos:
A =
1 1 1 3
2 2 6 8
3 5 7 8
2F
1
+ F
2
1 1 1 3
0 4 8 2
3 5 7 8
3F
1
+ F
3
1 1 1 3
0 4 8 2
0 2 4 1
1
4
F
2
1 1 1 3
0 1 2
1
2
0 2 4 1
2F
2
+ F
3
1 1 1 3
0 1 2
1
2
0 0 0 0
Puesto que la ultima matriz est a en la forma escalonada, y debido a que la ultima matriz tiene
dos las diferentes de cero, entonces por iii) podemos concluir que rango(A) = 2.
22
Ejemplo N
o
9: Independencia y dependencia lineales. Determine sis el conjunto de vec-
tores u
1
= (2, 1, 1), u
2
= (0, 3, 0), u
3
= (3, 1, 2), en R
3
es linealmente dependiente o linealmente
independiente.
Solucion: Para poder determinar la independencia lineal de estos vectores aplicando
matriz, suponemos que estos vectores forman las las de una matriz A, de manera que tenemos:
A =
2 1 1
0 3 0
3 1 2
2 1 1
0 3 0
3 1 2
1
2
F
1
1
1
2
1
2
0 3 0
3 1 2
3F
1
+ F
3
1
1
2
1
2
0 3 0
0
1
2
1
2
1
3
F
2
1
1
2
1
2
0 1 0
0
1
2
1
2
1
2
F
2
+ F
3
1
1
2
1
2
0 1 0
0 0
1
2
2F
3
1
1
2
1
2
0 1 0
0 0 1
Como la matriz reducida por las tiene 3 nal distintas de cero, el rango(A) = 3. Igual al
n umero de vectores del conjunto de vectores que estamos analizando. Entonces el conjunto de
vectores es linealmente independientes. Si rango(A) < 3, entonces el conjunto de vectores es
linealmente dependiente.
2.6 Consistencia de AX = B:
Un sistema lineal de ecuaciones AX = B es consistente si, y s olo si, el rango de la matriz
de coecientes A es el mismo que el de la matriz aumentada del sistema (A|B).
2.7 N umero de parametros en una soluci on:
Suponga que un sistema lineal AX = B con m ecuaciones y n inc ognitas es consistente.
Si la matriz de coecientes A es de rango r, entonces la solucion del sistema contiene n r
23
par ametros, (la inc ognita de la que dependen la demas inc ognitas).
24
Captulo 3 : Determinantes
3.1 Introducci on:
Suponga que A es una matriz de nn. Relacionado con A existe un n umero llamado el
determinante de A, y se expresa como det A. De manera simb olica, una matriz A se distingue
del determinante de A mediante el reemplazo de los parentesis por barras verticales:
A =
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
a
n1
a
n2
a
nn
y det A =
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
a
n1
a
n2
a
nn
a
11
a
12
a
21
a
22
es detA =
a
11
a
12
a
21
a
22
= a
11
a
22
a
12
a
21
(3.1)
es decir en igual al producto de los elementos de la diagonal principal menos el producto de los
elementos de la otra diagonal.
25
Ejemplo el determinante de la matriz A =
6 3
5 9
, entonces det A =
6 3
5 9
=
6(9) (3)5 = 69
3.4 Denici on de det de 3 3:
El determinante de
A =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
es;
det A =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
=a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
a
11
a
23
a
32
a
12
a
21
a
33
(3.2)
La expresion mostrada en 3.2 puede escribirse en una forma m as manejable. Mediante
factorizaci on tenemos:
det A = a
11
(a
22
a
33
a23a
32
+ a
12
(a
21
a
33
+ a
23
a
31
) + a
13
(a
21
a
32
a
22
a
31
) (3.3)
Sin embargo, considerando 3.1, cada termino entre parentesis se reconoce como el deter-
minante de una matriz de 2 2:
det A = a
11
a
22
a
23
a
32
a
33
+ a
12
a
21
a
23
a
31
a
33
+ a
13
a
21
a
22
a
31
a
32
(3.4)
Observe que cada determinante mostrado en 3.4 es un determinante de una submatriz
de la matriz A y corresponde a su coeciente de la forma siguiente: a
11
es le coeciente del
determinante de una submatriz obtenida mediante la eliminaci on de la primera la y la primera
columna de A; a
12
es le coeciente del negativo del determinante de la submatriz obtenida
26
eliminando la primera la y la segunda columna de A; y por ultimo, a
13
es el coeciente del
determinante de la submatriz que se obtuvo eliminando la primera la y la tercera columna de
A. En otras palabras los coecientes de 3.4 son simplemente los elementos de la primera la de
A. Decimos que det A ha sido expandido por cofactores con respecto a la primera la,
siendo los cofactores dea
11
, a
12
y a
13
los determinantes
C
11
=
a
22
a
23
a
32
a
33
C
12
=
a
21
a
23
a
31
a
33
C
13
=
a
21
a
22
a
31
a
32
a
21
a
23
a
31
a
33
+ a
22
a
11
a
13
a
31
a
33
+ a
13
a
11
a
13
a
21
a
23
(3.7)
=a
12
C
12
+ a
22
C
22
+ a
32
C
32
(3.8)
lo cual es la expansion por cofactores de det A a lo largo de la segunda columna.
En general decimos que: el determinante de una matriz de 3 3 puede evaluarse expan-
27
diendo por cofactores det A a lo largo de cualquier la o columna.
3.5 Expansi on de un determinante empleando cofactores:
Sea A = (a
ij
)
nn
una matriz de n n. Para cada 1 i n, la expansi on por
cofactores de det A a l largo de la i-esima la es
det A = a
i1
C
i1
+ a
i2
C
i2
+ + a
in
C
in
Para cada 1 j n, la expansion por cofactores de det A a lo largo de la j-esima
columna es
det A = a
1j
C
1j
+ a
2j
C
2j
+ + a
nj
C
nj
3.6 Propiedades de los determinantes:
3.6.1 Determinante de una transpuesta:
Si A
T
es la transpuesta de la matriz A de n n, entonces det A
T
= det A.
3.6.2 Dos las identicas:
Si cualesquiera dos las (columnas) de una matriz A de n n son iguales, entonces det
A = 0.
3.6.3 Fila o columna con ceros:
Si todos los elementos presentes en una la (columna) de una matriz A de n n son
cero, entonces det A = 0.
3.6.4 Intercambio de las:
Si B es la matriz que se obtiene al intercambiar cualquier par de las (columnas) de una
matriz A de n n, entonces det B = det A.
3.6.5 Constante m utiples de una la:
Si B es la matriz que se obtiene a partir de una matriz A de n n multiplicando una
la (columna) por un n umero k real diferente de cero, entonces det B = k det A.
3.6.6 Determinante de un producto de matrices:
Si tanto A como B son matrices de n n, entonces det AB = det A det B
28
3.6.7 Determinante inalterado:
Suponga que B es la matriz obtenida a partir de una matriz A de n n multiplicando
los elementos de una la (columna) por un n umero k diferente de cero, y sumando luego el
resultado a los elementos correspondientes de otra la (columna). Entonces det B = det A.
Ejemplo, Supongamos que A =
5 1 2
3 0 7
4 1 4
5 1 2
3 0 7
4 1 4
3F
1
+ F
3
5 1 2
3 0 7
11 4 2
= B
Al expandir por cofactores a lo largo de, digamos la segunda columna, encontramos que det A =
45 y det B = 45.
3.6.8 Determiante de una matriz triangular:
Suponga que A es una matriz triangular de n n (superior o inferior). Entonces
det A = a
11
a
22
a
nn
donde a
11
, a
22
, . . . , a
nn
son los elementos de la diagonal principal de A.
3.7 Inversa de una matriz:
Sea A una matriz de n n. Si existe una matriz B de n n tal que:
AB = BA = I (3.9)
donde I es la matriz identidad de n n, entonces se dice que la matriz A es no singular o
inversible. Se arma qie la matriz B es la inversa de A, lo denotamos como B = A
1
.
3.7.1 Propiedades de la inversa:
i) (A
1
)
1
= A
29
ii) (AB)
1
= B
1
A
1
iii) (A
T
)
1
= (A
1
)
T
3.8 Calculo de la matriz inversa:
3.8.1 Denicion de matriz adjunta:
Sea A una matriz de n n. La matriz que representa a la transpuesta de la matriz de
cofactores correspondientes a los elementos de A:
C
11
C
12
C
1n
C
21
C
22
C
2n
.
.
.
.
.
.
C
n1
C
n2
C
nn
T
=
C
11
C
21
C
n1
C
12
C
22
C
n2
.
.
.
.
.
.
C
1n
C
2n
C
nn
1
det A
adj A (3.10)
Ejemplo, encontra la inversa de A =
1 4
2 10
.
Puesto que el det A = 10 8 = 2, se tiene que:
A
1
=
1
2
10 4
2 1
5 2
1
1
2
2 2 0
2 1 1
3 0 1
.
Puesto que det A = 12, podemos calcular A
1
. Los cofactores correspondientes a los
elementos en A son:
30
C
11
=
1 1
0 1
= 1 C
12
=
2 1
3 1
= 5 C
13
=
2 1
3 0
= 3
C
21
=
2 0
0 1
= 2 C
22
=
2 0
3 1
= 2 C
23
=
2 2
3 0
= 6
C
31
=
2 0
1 1
= 2 C
32
=
2 0
2 1
= 2 C
33
=
2 2
2 1
= 6
Entonces: adjA =
1 5 3
2 2 6
2 2 6
T
=
1 2 2
5 2 2
3 6 6
, y como A
1
=
1
det A
adj A,
tenemos:
A
1
=
1
12
1 2 2
5 2 2
3 6 6
1
12
1
6
1
6
5
12
1
6
1
6
1
4
1
2
1
2
a
11
a
12
a
1n
| 1 0 0
a
21
a
22
a
2n
| 0 1 0
.
.
.
.
.
. |
.
.
.
.
.
.
a
n1
a
n2
a
nn
| 0 0 1
Veamos un ejemplo para entender como se usa. Vamos a calcular la matriz inversa de,
31
A =
2 2 0
2 1 1
3 0 1
2 2 0 | 1 0 0
2 1 1 | 0 1 0
3 0 1 | 0 0 1
1
2
F
1
1 1 0 |
1
2
0 0
2 1 1 | 0 1 0
3 0 1 | 0 0 1
(2F
1
+ F
2
) y (3F
1
+ F
3
)
1 1 0 |
1
2
0 0
0 3 1 | 1 1 0
0 3 1 |
3
2
0 1
(
1
3
F
2
) y (F
2
+ F
3
)
1 1 0 |
1
2
0 0
0 1
1
3
|
1
3
1
3
0
0 0 2 |
1
2
1 1
(F
2
+ F
1
) y (
1
2
F
3
)
1 0
1
3
|
1
6
1
3
0
0 1
1
3
|
1
3
1
3
0
0 0 1 |
1
4
1
2
1
2
(
1
3
F
3
+ F
1
) y (
1
3
F
3
+ F
2
)
1 0 0 |
1
12
1
6
1
6
0 1 0 |
5
12
1
6
1
6
0 0 1 |
1
4
1
2
1
2
Entonces: A
1
=
1
12
1
6
1
6
5
12
1
6
1
6
1
4
1
2
1
2
2 0 1
2 3 4
5 5 6
, obtenemos: A
1
=
2 5 3
8 17 10
5 10 6
.
Entonces:
x
1
x
2
x
3
2 5 3
8 17 10
5 10 6
2
4
1
19
62
36
Como consecuencia, x
1
= 19, x
2
= 62 y x
3
= 36.
Unicidad: Cuando det A = 0 la solucion del sistema es unica.
33
Sistemas homogeneos: Un sistema homogeneo de n ecuaciones lineales con n inc ogni-
tas AX = 0 tiene solamente la soluci on trivial si, y solo si, A es no singular.
Un sistema homogeneo de n ecuaciones lineales con n inc ognitas AX = 0 tiene una
soluci on no trivial si, y s olo s, A es singular.
Podemos concluir que un sistema homogeneo de n ecuaciones lineales con n inc ognitas
AX = 0 tiene
solamente la solucion trivial si, y s olo si, det A = 0, y
una solucion no trivial si, y solo si, det A = 0.
3.10 Regla de Cramer:
En un sistema de n ecuaciones lineales con n inc ognitas
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
=b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
=b
2
(3.12)
.
.
.
.
.
.
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
=b
n
Es conveniente denir una matriz especial:
A
k
=
a
11
a
12
a
1k1
b
1
a
1k+1
a
1n
a
21
a
22
a
2k1
b
2
a
2k+1
a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nk1
b
n
a
nk+1
a
nn
(3.13)
En otras palabras, A
k
es la misma matriz A excepto que la columna kesima de A se ha
reemplazado por elementos de la matriz columna
B =
b
1
b
2
.
.
.
b
n
34
Regla de Cramer, dice: Sea A la matriz de coecientes del sistema (3.12). Si det A = 0,
entonces la solucion de (3.12) esta dado por
x
1
=
det A
1
det A
, x
2
=
det A
2
det A
, . . . , x
n
=
det A
n
det A
, (3.14)
A
k
, k = 1, 2, . . . , n est a denida en (3.13).
Ejemplo, resolver el sistema de ecuaciones utilizando la regla de Cramer.
3x
1
+ 2x
2
+ x
3
= 7
x
1
x
2
+ 3x
3
= 3
5x
1
+ 4x
2
2x
3
= 1
La solucion es, si llamamos A =
3 2 1
1 1 3
5 4 2
, entonces:
det A =
3 2 1
1 1 3
5 4 2
= 13 det A
1
=
7 2 1
3 1 3
1 4 2
= 39
det A
2
=
3 7 1
1 3 3
5 1 2
= 78 det A
3
=
3 2 7
1 1 3
5 4 1
= 52
Por lo tanto:
x
1
=
det A
1
det A
= 3, x
2
=
det A
2
det A
= 6, x
3
=
det A
3
det A
= 4
Hay m as temas para ver sobre matrices, algunas de las bibliografa que pueden consultar
son:
Matematicas Avanzadas para Ingeniera, Vol. 1 Ecuaciones Diferenciales. Dennis
G. Zill, Michael R. Cullen, (2006). Tercera Edici on. Editorial McGraw-Hill. (Usado para realizar
este apunte).
Metodos Operativos de Calculo Vectorial. Ortiz FaustoCervantes, (2010). Primera
35
Edici on. Universidad Aut onoma de la Ciudad de Mexico.
Algebra Lineal. Grossman Stanley I., (1988). Segunda Edici on. Editorial Grupo Ibe-
roamerica.
36