UNIVERSIDAD NACIONAL

DE CAJAMARCA
SECCIN JAN

TEMA

: MATRICES,
DETERMINANTES, SISTEMAS
LINEALES

ASIGNATURA

ALUMNO

: LGEBRA LINEAL.
: DAVILA BERNAL, Walter

Manuel.
PATIO HUMBO,
Luis Antonio.
QUISPE HUAMN,
Walter.
SILVA GALVEZ,
Reiner.
TARRILLO FLORES,
Cristian.
DOCENTE

: Lic. SNCHEZ CULQUI,

ELADIO.
FECHA

LGEBRA LINEAL

22-04-13.

Pgina 1

JAN -PER
2013

INTRODUCCIN
Matrices y determinantes, son dos temas instrumentales de aplicacin
prctica que son prerrequisitos para los siguientes captulos del lgebra Lineal.
La importancia y aplicacin de las matrices en la vida diaria, se remonta
a las grandes civilizaciones orientales y occidentales, quienes con fines de
seguridad decidieron inventarse cdigos, para no despertar sospechas de sus
enemigos. Dichos cdigos solo eran interpretados por personas destinatarias.
Hoy en da, estas aplicaciones se han ido perfeccionando junto con el avance
de la tecnologa digital gracias al estudio de las matrices, las que permitieron a
los jakers innovar algoritmos que descifrasen cualquier tipo de cdigo. Esta
ciencia es denominada la criptografa.
Adems, tiene sus aplicaciones en la sociologa (construccin de
sociogramas y estudio de las influencias de unos individuos con otros en
grupo), y como conclusin tuvo: A B B A
Con el desarrollo de las tecnologas su aplicabilidad se ha incrementado
ya que est presente en la teora de la informacin, la criptografa.
procesamiento de imgenes, el tratamiento de efectos especiales en videos, el
desarrollo de motores de bsqueda en Internet (como google).
De las incontables aplicaciones mencionamos las siguientes:

Economa: Anlisis de produccin, distribucin

empresas.
La resolucin de sistemas lineales.
Tabla nutricional de alimentos
Utilizacin de medicamentos antihipertensivos
hipertensin arterial.
Sistemas de agua para uso mltiple.
Consumo de tabaco, alcohol, marihuana, cocana
recetados, en varones de 18 aos en 9 reas
Argentina.

LGEBRA LINEAL

Pgina 2

y organizacin de

en pacientes con

y medicamentos no
de la repblica de

Los cuadros mgicos de Alberto Durero.

16

13

10 11

12

15 14

NDICE
A) MATRICES..07
1.-Definicin...07
2.-Notacin.08
3.-Orden de una matriz....08
A.1) MATRICES ESPECIALES....08
A.1.1) Matriz Fila...08
A.1.2) Matriz columna..08
A.1.3) Matriz cuadrada.09
A.1.4) Matriz Nula.09
A.1.5) Transpuesta...09
A.1.5.1) Propiedades....10
A.2) IGUALDAD DE MATRICES10
A.2.1) Propiedades...10
A.3) MATRICES CUADRADAS ESPECIALES...11
A.3.1) Matriz Triangular...11
A.3.2) Matriz Simtrica.11
A.3.3) Matriz Anti simtrica.11
A.3.4) Matriz Ortogonales11
A.3.4.1) Propiedades..12
A.3.5) Matriz Diagonal.12
LGEBRA LINEAL

Pgina 3

A.3.5.1) Diagonal Principal.12

A.3.5.2) Traza de una Matriz Diagonal.12
A.3.6) Matriz Identidad.13
A.3.7) Matriz Escalar13
A.3.8) Matriz Idempotente...14
A.3.9) Matriz Nilpotente..14
A.3.10) Matriz Involutiva..14
A.3.11) Matriz Hermitiana14
A.3.12) Matriz Antihermitiana.14
A.3.13) Matriz positiva.15
A.3.14) Matriz no Singular..15
A.3.15) Matriz Singular15
A.4) ESPACIO VECTORIAL DE MATRICES.15
A.4.1) Suma de Matrices..15

Matrices Conformables15
Propiedades..15

A.4.2) Producto de un escalar por una matriz..16

A.4.3) Multiplicacin de matrices.18

Propiedades.18

A.5) TRANSFORMACIONES ELEMENTALES EN MATRICES.19

A.6) MATRIZ ESCALONADA20
A.7) MATRICES EQUIVALENTES...20
A.8) MATRIZ ELEMENTAL DE LNEA20
A.9) RANGO DE UNA MATRIZ.21
A.10) INVERSA DE UNA MATRIZ POR EL METODO DE LAS MATRICES
ELEMENTALES...21
B) SISTEMA DE ECUACIONES LINEALES..22
B.1) Definicin.22
LGEBRA LINEAL

Pgina 4

B.2) Solucin de un sistema de ecuaciones lineales...22

1.- Mtodos de sustitucin22
2.- Mtodos de Igualacin23
3.- Mtodos de reduccin.24
4.- Mtodos de determinantes..24
5.- Anlisis de resolucin de un sistema....25
B.3) Consistencia e inconsistencia de un sistema de ecuacioneslineales..26
C) DETERMINANTES....26
I) Propiedades....26
D) MENORES DE UNA COMPONENTE....27
E) COFACTOR DE UNA COMPONENTE..27
F) ADJUNTA DE UNA MATRIZ28
II) Propiedades..31
G) INVERSA DE UNA MATRIZ POR EL MTODO DE LA MATRIZ
ADJUNTA.35
H) SISTEMA DE HOMOGNEAS DE ECUACIONES LINEALES.35
I) ANEXOS....37
I) BIBLIOGRAFA56

LGEBRA LINEAL

Pgina 5

MARCO TERICO

LGEBRA LINEAL

Pgina 6

MATRICES Y DETERMINANTES

A) MATRICES
1.-DEFINICIN:
Una matriz,
dispuestos en

Am n

es un arreglo rectangular de

filas (renglones) y

columnas.

As tendremos:

a11 a12

a 1 j a1 n

a21 a22

a 2 j a2 n

A m n=
ai 1 a i2

am1 am2

El smbolo

m n

a11

se lee m por n .

El vector fila ( ai 1 , ai 2 , , a

LGEBRA LINEAL

ij

a mj

se lee fila i .

Pgina 7

m n

nmeros

 Al vector columna

a1 j
a2 j

a mj

()

se le llama columna

( a1 j ) Es el nmero que aparece en la

j.

i -sima fila y la

j -esima

columna.
EJEMPLO:

[]

2
1i 4 +2 i
2 5 3 0
A= 3 , B=
, C= 2
15i
4 0 1 2
2
3+ 2i
3

Es una matriz de orden

3 1 , aij IR

Es una matriz de orden

2 4 ,b ij IR

Es una matriz de orden

3 2 , c ij IR

2.-NOTACIN

Se denota las matrices por:

donde

aij

es la i j

A m n=[ aij ] o ( aij ) , i=1,2, ,m ; j=1,2, n

esima entrada,

i=

fila ,

j= columna.

3.-ORDEN DE UNA MATRIZ.

El orden de la matriz est dada por el producto

nmero de filas y
LGEBRA LINEAL

m n , donde

indica de nmero de columnas.

Pgina 8

m indica el

El conjunto de matrices

m n

con elementos

aij IK

se denota por

IK m n .

Es decir:

IK

m n

={ (aij ) /a ij IK }

Si

IK=IR , entonces

IRm n= {(aij )m n /aij IR }

Si

IK=C

Cm n= {(aij )m n /aij C }

, entonces

A.1.-MATRICES ESPECIALES.
Las matrices especiales son:
A.1.1) MARTRIZ FILA: Es aquella que consta de una sola fila y n
columnas, siendo n 2 .

Ejemplo:

B=[ 1 2 3 ] 1 X 3

A.1.2) MATRIZ COLUMNA: Es aquella que consta de una sola columna

y m filas (m 2 ).

Ejemplo:

[]

3
A= 4
5

3 X1

A.1.3) MATRIZ CUADRADA: Si m=n

nmero de columnas).

LGEBRA LINEAL

Pgina 9

(nmero de filas es igual al

1 1 3
A= 5 2 0
2 3 4

3X 3

A.1.4) MATRIZ NULA.

Am n

Es nula si, y solo si

Ejemplo:

aij =0 i, j

. La cual denotaremos por

m n

[ ]

0 0
3 2= 0 0
0 0

A.1.5) MATRIZ TRANSPUESTA.

Sean las matrices

de

A= [ aij ] m n B=[ b ij ] m n

, si solo si

aij =b ij

Diremos que

1 i m; 1 j n

es la transpuesta

y denotamos

A t =B aij =bij ; i , j

B es la transpuesta de A

Ejemplo.

3 1 2 4
Sea A= 2 5 3 2
1 0
0 4

La transpuesta de

Una matriz de orden

34

es otra matriz de orden

intercambiando las filas por columnas.

LGEBRA LINEAL

3 4

Pgina 10

43

, que se obtiene

[ ]

3
2 1
t
1 5 0
A=
2 3 0
4
2 4

4 3

A.1.5.1) PROPIEDEDADES.
P1 .( A1)t =( A t )1

La transpuesta de la inversa, es igual a la inversa de la

transpuesta.
t

P2 .( A +B) = A + B Transpuesta de una suma de matrices es igual a la suma

de las traspuestas.
P3 .( A )t= A t

P4 .( AB) =B A

Es una constante.

La transpuesta de un producto conmuta al

producto de traspuesta.
P5 . I tn=I n

A
t
( t ) = A
P6 .

A.2) IGUALDAD DE MATRICES.

Las matrices

A= [ aij ] m n B=[ b ij ] m n

son iguales si, y solo si,

1 i m ;1 j n .
LGEBRA LINEAL

Pgina 11

aij =b ij i, j

A.2.1) PROPIEDADES:

Sean

A ,B,C

matrices del mismo orden

(elementos de

IK m n ) se cumple las siguientes propiedades

P1 A=A , A

Reflexiva

P2 A=B implica B= A

Equivalencia

P3 A=B B=C implica A= C

Simtrica

A.3.-MATRICES CUADRADAS ESPECIALES:

A.3.1) MATRIZ TRIANGULAR.
a) La matriz triangular

a 11 a 12 a13
0 a 22 a23
A4=
0 0 a33
0 0
0

a 14
a 24
a 34
a 44

A4=

a31 a32
a 41 a42

0
0
a33
a43

es triangular superior si

An

es triangular inferior si

0
0
0
a44

A.3.2) MATRIZ SIMTRICA

LGEBRA LINEAL

aij =0 i> j .

b) La matriz cuadrada

a11 0
a 21 a22

An

Pgina 12

aij =0 i> j .

A n= [ aij ] , A

Sea la matriz cuadrada

es simtrica si, y solo si

A= A t .

A.3.3) MATRIZ ANTISIMTRICA.

A

es antisimtrica, si

Una matriz cuadrada

A t =A

es no singular si, y solo si, su determinante es

diferente de cero.
A.3.4) MATRIZ ORTOGONAL.

Sea

A n= [ aij ]

una matriz cuadrada no singular,

es ortogonal, si y solo si

A1= A t

A.3.4.1) PROPIEDADES.
P1 . A es ortogonal A At =I n

P2 . Si A y B son ortogonales AB es ortogonal .

A.3.5) MATRIZ DIAGONAL

La matriz cuadrada
i , aii 0

A n= [ aij ]

es diagonal si, y solo si,

; 1 i n .

Ejemplo

LGEBRA LINEAL

Pgina 13

aij =0 i j

[ ]

0
0
3 0 0
A 3= 0 2 0 , A 5= 0
0 0 5
0
0

0
3
0
0
0

0 0 0
0 0 0
0 0 0
0 3 0
0 0 0

A.3.5.1) DIAGONAL PRINCIPAL.

Dada la matriz cuadrada

conjunto.

A n= [ aij ]

, se llama diagonal principal al

D ( a11 , a22 , a33 , a mn ) .

Ejemplo:

diagonal de

2 3 1 5
A 4 = 1 4 3 2
8 1 3 4
4 3
2 0

Sea

D(2 , 4 , 3 , 0) es la

A4 .

A.3.5.2) TRAZA DE UNA MATRIZ DIAGONAL.

Sea la matriz cuadrada

A= [ aij ]n

, se llama traza de

, al numero

Tr ( A )=a 11 ,a 22 , a33 , amn es la suma de los elementos de la diagonal

principal).
Ejemplo.

En la matriz

LGEBRA LINEAL

A4

, se tiene:

A
( 4 )=2+4 +3+0=9
Tr

Pgina 14

PROPIDADES:

P1 . Tr ( )=0 ; P2 .Tr (I n )=n

P3 . Tr ( A t )=Tr ( A ) ; P4 . Tr ( A+ B ) =Tr ( A )+Tr ( B )

P5 . Tr ( A ) = Tr ( A ) ; P6 . Tr ( AB )=Tr ( BA)

A.3.6) MATRIZ IDENTIDAD: La matriz identidad

identidad si, y solo si

In

es la matriz

aij =0 ; i j aij =1 i

[ ]

1
0
I n=
0
0

0
1
0
0

0
0
1
0

0
0
0
1

Ejemplo:

[ ]

1 0
1 0 0
I2 = 1 0 , I3 = 0 1 0 , I 4 = 0 1
0 1
0 0
0 0 1
0 0

[ ]

[ ]

0
0
1
0

0
0
0
1

[ ]

1
0
I5 = 0
0
0

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

0
0
0
0
1

A.3.7) MATRIZ ESCALAR: Es la matriz diagonal cuyos elementos son

iguales.
LGEBRA LINEAL

Pgina 15

Ejemplo.

5 0
0
B= 0 5 0
0
0 5

A.3.8) MATRIZ IDEMPOTENTE.

A= [ A ij ] n

Una matriz cuadrada

es idempotente si, y solo si,

A =A.

A.3.9) MATRIZ NILPOTENTE.

A

A k = para algn

es nilpotente, si

k 2, : matriz cuadrada nula.

A.3.10) MATRIZ INVOLUNTARIA.

A

A 2n=I n

Es involuntaria, si y solo si

A.3.11) MATRIZ HERMITIANA.

Sea

A C

n m

es hermitiana si, y solo si,

t
A=( A)
Transpuesta de la

conjugada

de

NOTACIN: Si
de

aij

A .

A= [ aij ]

, entonces

A es la conjugada de

[ a ij ]
a
A=
, donde ij
A .

t
NOTACION: ( A) = A

Sea

LGEBRA LINEAL

2
1i 4+2 i
A= 1+i
5
1i
42 i 1+ i 3

Pgina 16

es la conjugada

] [

2
1+i 42 i
2
1i 4+2 i
t

A=
(
A
)
=
1i
5
1+i
1+i
5
1i
4 +2i 1i 3
42 i 1+i 3

Donde

Se cumple

t
A=(
A)
, luego

es hermitiana.

A.3.12) MATRIZ ANTIHERMITIANA

A C n m ;

Sea

es hermitiana si, y solo si,

A=( A )t
Transpuesta de la

conjugada

A .

de

A.3.13) MATRIZ POSITIVA.

Sea

A IR m n ,

es positiva si, y solo si,

X A X > 0 , X IR , X .
A.3.14) MATRIZ NO SINGULAR: Una matriz cuadrada
orden n es no singular

de

( A )=n | A| 0 .

A.3.15) MATRIZ SINGULAR: Una matriz cuadrada

n es singular

A= [ aij ] n

A= [ aij ] n

de orden

( A )=n | A|=0 .

A.4) EL ESPACIO VECTORIAL DE LAS MATRICES.

El conjunto de matrices
Efectivamente, en

IK

m n

IK

m n

es un espacio vectorial sobre

se definen dos operaciones:

A.4.1) SUMA DE MATRICES

+: IK

m n

IK

m n

LGEBRA LINEAL

IK

m n

Pgina 17

IK .

( [ a ij] , [ bij ] ) [ a ij ] + [ b ij ] =[ c ij ]
Tal que

c ij =aij +bij 1 i m; 1 j n

Definicin: La suma de
m n

, tal que

[ aij ] y [ bij ]

[ c ij ]=aij +bij

es la matriz

[ aij ] + [ bij ]=[ c ij ]

, de

1 i m; 1 j n .

MATRICES CONFORMABLES: Son aquellas que participan en conjunto en

la suma y la multiplicacin de matrices. Para que exista suma o
multiplicacin de matrices es indispensable el orden de las matrices.
PROPIEDADES DE LA SUMA DE MATRICES
Si
IK

m n

A ,B,C

son matrices del mismo orden (elementos de

), se cumplen las siguientes propiedades:

A 1 A+ B=B+ A

Conmutativa.

A 2 ( A+ B )+C= A+ ( B+C ) Asociativa.

A 3 /

A +=+ A=A , A Existencia de la matriz

nula.
A 4 A , ! B /

A + B=B+ A=

Donde

Existencia del opuesto.

B=A

A Es el opuesta de

A.4.2) PRODUCTO DE UN ESCALAR POR UNA MATRIZ

: IK IK m n

IK m n

( , [ aij ]) [ aij ]=[ aij ] ,1 i m; 1 j n .

LGEBRA LINEAL

Pgina 18

Definicin: El producto de un escalar

orden m n

[ a ij ]

es una matriz

se obtienen multiplicando el escalar

[ aij ]

matriz

por una matriz

de orden m n

[ aij ]

de

cuyos elementos

por cada elemento

aij

de la

Ejemplo.
IK

1) Supongamos que el conjunto

2 3

IK=I R

se dan las siguientes

matrices :

] [

A= 1 0 2 y B= 3 1 2
2 3 2
1 2 3
Dado los escalares

=2 y B=3,

hallar:

i A+ B
ii A +B
iii Hallar X IK 2 3 , Tal que:

ABX=5 aB + X

Solucin:

i A+ B=

ii

][

1+(3) 0+1 2+ 2 2 1 0
=
2+1
32 2+ 3
3 5 5

A +B=2 A3 B

] [

][

][

1 0 2
3 1 2
2 0 4
9 3 6
3
=
+
2 3 2
1 2 3
4 6 4
3 6 9

11 3 10
1
0 5

]
iii

LGEBRA LINEAL

AB=5 AB+ X

Pgina 19

2 A+ 3 X=5 A2 B+ X
2 X=3 A2 B

1
X = (3 A2 B)
2

([

] [

])

([

][

])

X=

1
3 1 0 2 2 3 1 2
2
2 3 2
1 2 3

X=

1 3 0 6
+ 6 2 4
2 6 9 6
2 4 6

X=

9
X= 2
2

1 5
5
2

([

1 9 2 10
2 4 5
0

])

2) Dadas las matrices

a) Hallar la matriz

[ ] [ ]

1 0 0
0 1 0
I= 0 1 0 ,N = 0 0 1
0 0 1
0 0 0

I + N

es nilpotente la matriz

y el escalar

; b) es inversible la matriz

I ?

=2.

; c)

N ?

Solucin:

[ ][ ][ ]

1 0 0 0 1 0 2 1 0
a I + N=2 0 1 0 + 0 0 1 = 0 2 1
0 0 1 0 0 0 0 0 2
b

La matriz I

LGEBRA LINEAL

es inversible porque su determinante es diferente de cero

Pgina 20

c La matriz

Nota: La matriz

es nilpotente, porque

I + N

[ ]

0 0 0
N 3= 0 0 0 .
0 0 0

se llama forma cannica de Jordn.

PROPIEDADES DE LA SUMA DE MATRICES

Si

A ,B,C

son matrices del mismo orden (elementos de

IK

m n

), se

cumplen las siguientes propiedades:

A 1 A+ B=B+ A

Conmutativa.

A 2 ( A+ B )+C= A+ ( B+C ) Asociativa.

A 3 /

A +=+ A=A , A Existencia de la matriz

nula.
A 4 A , ! B /

A + B=B+ A=

Donde

Existencia del opuesto.

B=A

A Es el opuesta de

PROPIEDADES DEL PRODUCTO DE UN ESCALAR POR UNA

MATRIZ
Si

son escalares y

A , B IK

m n

E1 ( A+ B)=B+ A
A 1 ( ) A= ( A )= ( A)
E3 ( + ) A=A+ A
A.4.3) MULTIPLICACIN DE MATRICES

LGEBRA LINEAL

Pgina 21

, se cumplen:

Definicin. El producto de

A m n=[ aij ]

por

B n p= [ bij ]

, se define del

siguiente modo:
n

A m n Bn p =Cm p=[ C ij ]

Cij = aik b kj

, tal que

k=1

1 i m ,1 j p

PROPIEDADES
A
( m n Bn p) C p q
M 1 Am n ( Bn p C p q ) =
M 2 A ( B+ C ) =AB+ AC ,

Siempre que tenga sentido:

M 3 ( B+C ) A=BA+ CA , Si tienen sentido:

B+ C , AB , AC

B+ C , BA y CA .

M 4 I n A n m = An m o A n m I n= An m
M 5 p m A n m = p n
M 6 ( AB )=( A ) B= A ( B ) , C

CONSECUENCIAS DE LAS PROPIEDADES:

Si

AB=0

Si

AB =AC

no implica que

A=0 B=0.

no implica que
2

B=C .

En general ( A + B ) A + B +2 AB , ya que
En general

Ejemplo 1:

Hallar:

( A + B ) ( A B ) A 2B2 , ya que

AB BA .

[ ]

1 0
A= 5 3 B= 8 0 7 C= 0 3
0 5
1 3 2
7 1

[ ] [

Dados las matrices:

a AB ; b CA ; C A2 ; d BC

Solucin:
LGEBRA LINEAL

AB BA .

Pgina 22

][

[ ][

( 5,3 ) .(8,1) ( 5,3 ) .(0,3) ( 5,3 ) .(7,2)

5 3 8 0 7
=
0 5 1 3 2
( 0,5 ) .(8,1) ( 0,5 ) .( 0,3) ( 0,5 ) .(7,2)

a AB =

40+3 0+9 35+6

0+5
0+15 0+10

37 9 41
5
15 10

[ ][ ] [

][

][ ]

( 1,0 ) . ( 5,0 ) ( 1,0 ) . (3,5 )

1 0
5+ 0 3+ 0
5 3
5
3
b CA= 0 3
= ( 0,3 ) . ( 0,5 ) ( 0,3 ) . (3,5 ) = 0+0 0+15 = 0 15
0 5
7 1
( 7,1 ) . ( 5,0 ) ( 7,1 ) . ( 3,5 ) 35+ 0 21+ 5 35 26

[ ][ ] [

][

][

(5,3 ) .(5,0) ( 5,3 ) .(3,5) 25+ 0 15+15 25 30

c A 2= AA= 5 3 5 3 =
=
=
0 5 0 5
0+ 0 0+25
0 25
( 0,5 ) .(5,0) ( 0,5 ) .(3,5)

][

][

1 0
(8,0,7 ) .( 1,7,0) (8,0,7 ) .( 0,3,1)
d BC = 8 0 7 7 3 =
1 3 2
( 1,3,2 ) .(1,7,0)
( 1,3,2 ) .(0,3,1)
0 1

][

8+0+ 49 0+ 0+7 = 41 7
1+0+14 0+9+2
15 11

A.5) TRANSFORMACIONES ELEMENTALES: Mtodos y clculos que se

utilizan para simplificar y alcanzar resultados tericos para un mejor estudio
de matrices.

Transformaciones elementales fila:

Intercambio de dos filas
Multiplicacin de una fila por un escalar

0 .

Aadir a una fila un mltiplo no nulo de otra.

Transformaciones elementales columna: estas transformaciones son

anlogas a las transformaciones elementales fila.

A.6) MATRIZ ESCALONADA: Tiene la siguiente forma:

LGEBRA LINEAL

Pgina 23

[ ]

1 a bx
0 0 1 y
A= 0 0 0 z

0000

Donde tiene:

r filas no nulas y

filas nulas.

Para ser una matriz escalonada se tiene que cumplir las siguientes
condiciones:
El primer elemento no nulo de cada una de las r filas no nulas es
la unidad.
Los elementos de las

filas nulas se deben encontrar en la

parte inferior de la matriz.

r filas no nulas, el nmero de ceros que
En cada una de las
preceden a la unida crece aritmticamente de fila en fila.
Todas las columnas que tienen el primer elemento diferente de cero,
de alguna fila, tienen ceros en todas las posiciones restantes.
A.7) MATRICES EQUIVALENTES: Dos matrices

son equivalentes

si una de ellas se deduce de la otra mediante una sucesin finita de

transformaciones elementales.
NOTA:
Una matriz cuadrada escalonada es una matriz
triangular superior pero no todas las matrices triangulares
superiores son matrices escalonadas. escalonadas.

A.8) MATRIZ ELEMENTAL DE LNEA: Es el resultado de aplicar una

transformacin elemental a la matriz identidad. Se denotan por la letra E.
Ejemplo: Obtener tres matrices elementales:

1.-

[ ]

2.-

[ ]

3.-

[ ]

1 0 0
0 1 0
0 0 1

1 0 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1

LGEBRA LINEAL

H 2 (5)

K 13 (3)

H 23

[ ]

1 0 0
0 5 0 =H
0 0 1

1 0 0
0 1 0 =k
3 0 1

[ ]

1 0 0
0 0 1 =H 23
0 1 0
Pgina 24

A.9) RANGO DE UNA MATRIZ:

Definicin: El rango de una matriz es el nmero de filas no nulas que quedan
en la ltima iteracin de las sucesivas transformaciones elementales.
NOTA:
Para determinar el rango de
transformarla a su forma escalonada.

Notacin: Si

una

matriz

es

suficiente

es el nmero de filas no nulas de la matriz escalonada,

entonces el rango de la matriz se denota:

( A )=r
Propiedades:
t
( A ) = ( A )

0< ( A ) min ( m, n )

Si

A= [ aij ]n implica

0< ( A ) n , si solo si, | A|=0

( A +B ) ( A ) + ( B )

( AB ) min ( ( A ) , ( B ) )

A.10) INVERSA DE UNA MATRIZ POR EL MTODO DE LAS MATRICES

ELEMENTALES (Mtodo de Gauss - Jordn):
Este mtodo consiste en construir una matriz de orden
formada por la matriz A

y la matriz unitaria

In

n 2 n

es decir:

A In
Mediante las transformaciones elementales sobre las filas de la matriz
A In
construida
transformando
en
la
forma:
I n B , donde B= A1 es la matriz invera

LGEBRA LINEAL

Pgina 25

Ejemplo: Mediante el mtodo de Gauss, hallar la inversa si existe de la matriz.

3 4 5
A= 2 3 1
3 5 1

SOLUCION
3 4 5
2 3 1
3 5 1

1 0 0
0 1 0
0 0 1

1 1 4
2 3 1
3 5 1

1 1 0
0 1 0
0 0 1

f 1 f 2

Restar de

f1

una vez

f2 .

f 22 f 1

Restar de

f2

dos veces

f1 .
f 3 3 f 1

Restar de

1 1 4
0 1 7
0 2 13

1 1 0
2 3 0
3 3 1

1 1 4 1 1 0
0 1 7 2 3 0
0 0 1 1 3 1

tres veces

f1

f 3 2 f 2

Restar de

f3

dos veces

f2

f 1 4 f 3

Restar de

f1

cuatro veces

f3 .

1 1 0
0 1 0
0 0 1

3 11 4
5 18 7
f
1 3
1 4 .

1 0 0
0 1 0
0 0 1

8 29 11
5 18
7
1 3
1

LGEBRA LINEAL

f3

f 27 f 4

f 1 f 2

Pgina 26

Restar de

Restar de

f2

f1

siete veces

una vez

f2

8 29 11
A1= 5 18
7
1 3
1

B) SISTEMA DE ECUACIONES LINEALES

B.1) DEFINICIN: Se llama sistema de ecuaciones, al conjunto de dos o
ms ecuaciones lineales que se verifican para un mismo valor de las
incgnitas.
Ejemplo:

x +2 y=7
{23x2
y=3

se verifican para

x=2 ; y=

1
2

B.2) SOLUCIN DE UN SISTEMA DE ECUACIONES LINEALES.

Son los valores que toman las incgnitas para que simultneamente
verifiquen todas las ecuaciones dadas.
a) MTODOS DE RESOLUCIN
1) MTODO DE SUSTITUCIN: Consiste en despejar de una de las
ecuaciones, una de las incgnitas en funcin de las otras, para luego
reemplazarla en cualquier otra ecuacin del sistema; con la finalidad de obtener
una nueva ecuacin con una incgnita menos. Si solo existen dos ecuaciones
corresponden aqu encontrar e valor de a incgnita, si existen ms ecuaciones,
entonces se debe proceder del mismo modo hasta obtener una sola ecuacin
con una sola incgnita.
Una vez entrado el valor de una de las incgnitas, se proceder a
remplazarlas en las otras ecuaciones para encontrarlos valores de las dems
incgnitas.
Ejemplo:

2 x y=4 .(1)
x + y =2 ...(2)
Solucin

Despejando y en la ecuacin (1) se tiene:

y=42 x

LGEBRA LINEAL

Reemplazamos en la ecuacin (2)

Pgina 27

 x + ( 42 x )=2

x= 2

Reemplazando en la ecuacin (1) se tiene:

2 x y=4
2(2)+ y=4

y=0

2.-MTODO DE IGUALACIN: Es recomendable para aquellos sistemas

formados por dos ecuaciones con dos incgnitas. Consiste en despejar en
ambas ecuaciones la misma incgnita para luego igualarlas y obtener una
nueva ecuacin en funcin de una sola incgnita.

3 x+2 y=6 .(1)

x y=2 ...(2)

Ejemplo:

Solucin

Despejando y en la ecuacin (1) Y (2) respectivamente se tiene:

y=

63 x
2

(1)

y =x2 (2)

Igualando las ecuaciones (1) y (2) se tiene:

63 x
=x2
2

x=2

Reemplazando en la ecuacin (2) se tiene:

y=x2

y=0

LGEBRA LINEAL

Pgina 28

3.-MTODO DE REDUCCIN: Consiste en multiplicar a una de las ecuaciones

del sistema (a veces a ms de una) por un factor no nulo para luego sumarla o
restarla con otra ecuacin, con la finalidad de eliminar una o ms incgnitas, de
este modo se logra obtener una nueva ecuacin en funcin de una sola
incgnita.
Ejemplo:

3 x +2 y=7 .(1)
5 x3 y =1 (2)
Solucin

Multiplicamos en la ecuacin (1) por 3 y en la ecuacin (2) por 2 se

tiene:

9 x+6 y =21 .(1.1)

10 x6 y =2 (2.1)

Observando las ecuaciones (1.1) y (2.1) se reduce la incgnita y se

tiene:

19 x=19

x=1

Reemplazando el valor de x en la ecuacin (2) se tiene:

5 x3 y=1

y=2

4.-MTODO DE LAS DETERMINANTES: Se usa frecuentemente en la

resolucin de aquellos sistemas en donde existan 30 a ms incgnitas
mediante un conocido proceso llamado: Regla de Cramu.

Sea el sistema lineal:

a1 x+b 1 y +c 1 z=d 1
a2 x +b 2 y +c 2 z=d 2
a3 x +b 3 y +c 3 z=d 3

s= Determinante del sistema.

s= Determinante de x.

s= Determinante de y.
LGEBRA LINEAL

Pgina 29

 s= Determinante de z.

Donde:

| |
| |

a1 b 1 c 1
s= a2 b 2 c 2
a3 b 3 c 3

| |

d 1 b1 c 1
x= d 2 b2 c 2
d 3 b3 c 3

| |

a1 d 1 c 1
y= a2 d 2 c 2
a3 d 3 c 3

a1 b 1 d 1
z= a2 b 2 d 2
a3 b 3 d 3

x=

x
s

y=

y
s ;

z=

z
s

5.-ANLISIS DE SOLUCIONES DE UN SISTEMA: Sea el sistema lineal:

a11 x 1+ a12 x 2+ a13 x 3 ++a1 n x n=b1

a21 x 1+ a22 x 2 +a23 x 3 ++a 2n x n=b 2

a n1 x 1+ an 2 x 2 +an 3 x3 ++a nn x n=b n

Segn la regla de Cramu la solucin est dada por:

x i=

i
s

i=1,2,3, , n

Analizando cuidadosamente esta relacin se podr deducir que el sistema es:

Compatible determinado
Si: s 0

(Solucin nica)

Compatible indeterminado
Si:

s=0 i=0 i =1,2,3, , n

Incompatible
Si:

s=0 i 0 i=1,2,3, , n

Usando los conocimientos bsicos de la geometra analtica, tenemos:

LGEBRA LINEAL

Pgina 30

a1 x+ b1 y =c 1
a2 x+ b2 y =c 2

1.-Sitema compatible determinado:

a1 b 1

a2 b 2

2.-Sistema compatible indeterminado:

a1 b 1 c 1
= =
a2 b 2 c 2
3.-Sistema incompatible:
a1 b 1 c 1
=
a2 b 2 c 2
b) CLASIFICACIN DE LOS SISTEMAS DE ECUACIONES:
1.-Sistemas Compatibles:

Sistema compatible determinado: Si presenta un nmero finito de

soluciones. En estos sistemas existen igual nmero de ecuaciones que
incgnitas.
Sistema compatible indeterminado: Si presenta un nmero infinito de
soluciones. En estos sistemas existen ms incgnitas que ecuaciones.

2.-Sistemas incompatibles: Son aquellos que no admiten solucin.

Generalmente en estos sistemas el nmero de ecuaciones es mayor que el
nmero de incgnitas.
C) DETERMINANTES:
C.1) DEFINICIN: Determinante es un nmero real o escalar
relacionado con los elementos de una matriz cuadrada.
NOTA:
El determinante es slo un nmero real y su clculo depende del
orden de la matriz cuadrada.

NOTACIN: el determinante es una funcin de

| A|, det ( A ) , D( A)

LGEBRA LINEAL

Pgina 31

Rn n en R

, se denota por:

I.

PROPIEDADES:
I =I
1. | n| n ,

|n|=0

2. Paridad de la filas y columnas de un determinante:

| At|=| A|

3. Si una fila o columna de una matriz tiene todos sus elementos nulos
det ( A )=0
Lo mismo sucede cuando 2 filas o columnas son proporcionales.
4. Si una fila o columna se multiplica por una constante, entonces el
determinante queda multiplicada por dicha constante: |A|=| A|
5. Si se intercambia 2 filas o columnas el determinante cambia de signo.
6. Si a una fila o columna se le multiplica por una constante y se le
suma a otra fila o columna, el determinante no vara.
7. | AB|=| A||B|
8.

1
| A|

| A1|=

9. Si

se la matriz de

al trasladar una de sus lneas

lugares:
det ( B )=(1) p det ( A )

D) MENOR DE UNA COMPONENTE:

( n1 ) ( n1 ) de A
que se forma suprimido todos los elementos de la fila i y de la
columna j .
Definicin: es el determinante de la sub matriz

Notacin:

M ij

OBSERVACIN:
De una matriz de orden
menores de orden
Dnde:
m
Ck

m n

se pueden formar

k .

C k : es nmero de combinaciones de
elementos tomados de k

LGEBRA LINEAL

Cmk C nk

Pgina 32

en k

mn

y se calcula de

E) COFACTOR DE UNA COMPONENTE:

Definicin: es el menor

M ij

con el signo prefijado

(1 )i + j

Notacin:
i+ j

A ij =(1 ) . M ij

Matriz de Cofactores:

a11 a 12 a13
A= a21 a 22 a23
a31 a 32 a33

Consideremos la matriz.

Si a cada elemento de la matriz A sustituimos por sus respectivos

cofactores, obtenemos una matriz que se denomina matriz de cofactores y
denotaremos por:

A11
CA= A 21
A 31

A12
A22
A32

A13
A23
A33

Determinante de una matriz de orden n:

Consideremos la matriz cuadrada de orden n x n.

a11
a21

a 12
a 22

a13 a1 n
a23 a2 n

A= a
a 32 a33 a3 n
31

am1 am 2 a m3
amn

Se llama determinante de la matriz A al nmero real denotado por

det ( A) o | A| y definido por:
n

| A|= (1)i+ j a ij M ij
i=1

LGEBRA LINEAL

Pgina 33

1 j n , donde el elemento

Siendo j fijo en

y a la j-sima columna y

M ij

aij

pertenece a la i-sima fila

es el menor complementario del elemento

aij

Mtodo del pivote:

Sirve para calcular el determinante de una matriz de orden superior al

tercero. El mtodo, consiste en obtener otro determinante a partir de | A|
aplicando repetidas veces a propiedad (6) de los determinantes, que goce
de la propiedad de que todos los elementos de alguna fila o columna son
ceros excepto uno, es decir:

| A|=(1)i+ j aij M ij

Donde

M ij

es el menor complementario de

aij

y el elemento

aij

se le llama elemento pivote.

F) ADJUNTA DE UNA MATRIZ

F.1) Definicin: Sea la matriz cuadrada

A= [ aij ]n

y sea

ij=(1)i + j|A (i/ j)| .

Llamaremos adjunta de

(denotado por

adj( A)

a la matriz:

[ ij ]

es decir:

adj ( A )=[ ij ]

, donde

[ ij ]=cofA

Adjunta de A es igual a la transpuesta del cofactor de A

LGEBRA LINEAL

Pgina 34

TEOREMA:
A= [ aij ]n

Sea la matriz cuadrada

, tal que

| A| 0

, entonces:

A adj ( A ) =|A| I

Producto de la matriz A por

su adjunta

Determinante de la
matriz A por la matriz
identidad I

PRUEBA

a)

b)

[ ij ]

ij=

[ ij ]

donde:

es el determinante de la submatriz

A (i/ j) con

A (i/ j) se obtiene despus de anular la

i -

j - ensima columna.

es un elemento de la matriz
c) [ ij ]

[ ij ]

es la transpuesta de
ij

, entonces

2) el producto de
c ij

aij

. la matriz

ensima fila y la

de

y adj ( A )=[ ij ]

es la matriz cofactor de A

i+ j
signo (1)

aij

A= [ aij ]n

1) Se tiene

[ ij ]

. Por tanto: si

es un elemento de

por la

c ij = aik ik .
k=1

Pgina 35

es un elemento

adj( A) es otra matriz

son de la forma

LGEBRA LINEAL

[ ij ]

aij

[ c ij ]

cuyos elementos

Aadj ( A )=[ c ij ]

Es decir:

tal que

c ij = aik ik .
k=1

Donde:
1

i+ k

a) si

j=i cij = aik ik =

k=1

j i cij =0

b) si

3) Por tanto:

][ ]

| A| 0 0 0 1 0
| A| 0 0 0 1
Aadj ( A )= 0
=

| A|

00
00

0
1

Sugerencia: Pruebe con una matriz

COROLARIO:

A =

A3

1
adj ( A ) , si| A| 0.
| A|

PRUEBA
Si

| A| 0,

por el teorema dado en 23.9,se tiene:

Por definicin de inversa: si

A1 es la inversa de

Aadj ( A )=| A|I

A , implica que

A1A= AA1=I
Multiplicar por

LGEBRA LINEAL

A , POR LA IZQUIERDA, en ambos miembros de (1)

Pgina 36

A ( Aadj ( A ) ) =A (| A|I )

( A1A )adj (A )=| A|( A1I )

1

Iadj ( A )=| A|A ,

1
1
adj ( A )= A ,
| A|

A1I = A1

pues

pues | A|

es un escalar diferente de cero.

PROPIEDADES
P1 adj ( I )=I
T

P2 adj ( AT )=(adj ( A ))

, si

| A| 0

A
(1)=(adj ( A))1
P3 adj
P4 adj ( AB )=adj ( B )adj ( A ) ,| A| 0

|B| 0

P5 ad j ( An ) =( adj ( A ) )
P6 adj ( A )=

n1

adj ( A ) , C

n1

P7 |adj ( A )|=| A|

n1

P8 |adj ( A )|=( n1)n| A|

n

n
n1
P9 |adj ( A )|=|A |

(n1)

P10 |adj( adj ( A ))|=|A|

Sugerencia: estas propiedades se demuestran aplicando el corolario:

adj ( A )=| A|A1 .
LGEBRA LINEAL

Pgina 37

 PROBLEMAS DESARROLADOS
1.

Calcular los siguientes determinantes

a)

A=

sen() cos()
cos() sen()

Solucin:

| A|=sen 2 ( )+ cos2 ()

| A|=1

b)

B=

1
log a b
logb a
1

Solucin:

|B|=1loga blog b a

|B|=1log a a
|B|=11

|B|=0
2.

Calcular los determinantes de las siguientes matrices de tercer

orden.

a.

a
a a
a a x = A
a a x

Solucin:
| A|=a a
a

LGEBRA LINEAL

| |

x a a
x
a

| |

x +a a a
x
a a

Pgina 38

| A|=a ( ax +ax )a (ax +ax ) +a (a2 +a 2)

| A|=2 a2 x +2 a3

| A|=2 a2 ( x+ a)

3.

Probar:

n1

|adj ( A )|=|A|

Prueba:
n1
|adj ( A )|=|| A| A1=| A| |

| A| =|A 1|
1

Pues

( n1)

|adj(adjA )|=| A|

Probar:

Prueba:
Hallemos:

adj ( A )
adj

adj ( adjA )=|adjA|(adjA )1

n1

| A|
n1

| A|

(adj A1 )

(| A1|( A1 ) )

n1

| A| 1

A
| A|

Hallar el determinante:

n2
|adj ( adjA )|=|| A| A|

LGEBRA LINEAL

Pgina 39

|A|
( n2)n| A|

n1

n 2 n +1

| A|

4.

=| A|

Si:

Demostrar:

AB=I =BA B= A1
n
A =

(I A)1=I + A + A 2 + A 3 ++ A n1
I A

Indica: la inversa de

es

I + A+ A 2 + A 3 ++ A n1

Prueba:
a) Si

I + A+ A + A ++ A

n1

es la inversa de

I A

deber cumplirse que:

( I A ) ( I + A+ A 2 + A 3 ++ A n1) =( I + A + A2 + A3 ++ A n1 ) ( I A )=I

b) Desarrollado

( I A ) ( I + A+ A 2 + A 3 ++ A n1)

( I A ) ( I + A+ A 2 + A 3 ++ A n1) =I + A ++ A n1 ( A+ A 2+ A 3+ + An )
I A n
I , : es la matriz cuadrada nula

LGEBRA LINEAL

Pgina 40

( I + A + A 2 + A3 ++ A n1 ) ( I A )

c) Desarrollando:

( I + A + A 2 + A3 ++ A n1 ) ( I A )=I + A + A 2 + A 3 ++ A n1( A+ A 2 + A 3 ++ A n)
I A n
I , A n=
I

d) Conclusin:
I + A+ A 2 ++ An 1

(I A)1=I + A + A 2 ++ A n1

Es decir:
5.

Sea:

Dado

I A .

es la inversa de (

M =I X ( X T X )1 X T
+
p Z

con

, simplificar:

X =[ xij ] n 1
2

I + M + M + M + M ++ M

Solucin:
1.

M M =( I X ( X T X ) X T )(I X ( X T X ) X T )
1

I X ( X T X ) X T X ( X T X ) X T + X ( X T X ) X T X ( X T X )1 X T
I X ( X T X ) X T X ( X T X ) X T + X ( X T X ) X T
T

I X ( X X ) X

M 2=M
2.

M 2=M M 2
MM

LGEBRA LINEAL

Pgina 41

M =M

M =M M

p1

MM
M 2=M

3.

Luego
I + M + M 2 + M 3+ + M p1=I + M + M + M + + M
I + PM

6.

A 2= A

Demostrar, si

A + B=I

entonces

B 2=B

AB=BA=

Demostracin:

A + B=I

1. De

A ( A + B )= AI ( A+ B ) A=IA
A 2 + AB= A A 2 +BA= A
A + AB= A A+ BA=A
AB = BA=

2.

A + B=I

De

B ( A+ B ) =BI ( A + B ) B=IB
BA +B 2=B AB+ B2=B
2

+ B =B +B =B
2

B =B B =B

G) INVERSA DE UNA MATRIZ POR EL MTODO DE LA ADJUNTA:

TEOREMA:
LGEBRA LINEAL
La matriz

A=

a11 a 12
A1
Pgina
42
tiene
una
inversa
a21 a 22

D ( A ) 0 , adems, si

D ( A ) 0

A1=

1
a 22
D ( A ) a

si slo si el

a 12
a

Inversa de una matriz cuadrada de orden n :

1
A1=
adj( A )
Si es una matriz invertible
| A|
NOTA:
Una matriz cuadrada es invertible

det ( A ) 0 .

G.1) Propiedades:
1
1
AA = A A=I n
1

( A1 ) = A

( AB )1=B1 A1

( At ) =( A1 )

( An ) = ( A1 )

1
( I n ) =I n

( rA )1=r1 A1 , r R

adj ( A1 )=[ adj ( A ) ] =

A
| A|

H) SISTEMAS HOMOGNEOS DE SISTEMAS LINEALES.

Dado la ecuacin matricial AX =B , se tiene:
B=mx 1
a) Si
entonces diremos que el sistema es homogneo.
b) Si

B mx 1
mx 1

entonces diremos que el sistema es no homogneo.

es la matriz nula

mx1

OBSERVACIN.

LGEBRA LINEAL

Pgina 43

1.-El sistema ( ) siempre tiene por lo menos una solucin (llamada solucin
x 1=x 2==x n=0

trivial) de la forma
r ( A )=r ( A a )

, por lo tanto es consistente. Luego

2.-Una condicin necesaria y suficiente para que el sistema ( ) tenga ms

de una solucin es que

r ( A )=k <n , donde n es el nmero de incgnitas. En

este caso, el sistema tambin posee soluciones diferentes de la nula, las

cuales son llamadas soluciones no triviales, para hallar estas soluciones se
aplica el mtodo que se us en el caso de un sistema de ecuaciones lineales
no homogneas.
3.- Si en el sistema ( ) se tiene

m=n

(nmero de ecuaciones = nmero

de incgnitas), entonces una condicin necesaria y suficiente para que el

sistema tenga soluciones no triviales es que | A|=0 puesto que en este caso
r ( A)<n

para

el

caso

de

un

sistema

homogneo,

es

a1 x+b 1 y +c 1 z=d 1
a2 x +b 2 y +c 2 z=d 2
a3 x +b 3 y +c 3 z=d 3

Si

Si

[
[

]
]

a11 a12 a13

a21 a22 a23 0 , la solucin es nica:
a31 a32 a33
a11 a12 a13
a21 a22 a23 =0,
a31 a32 a33

x= y=z=0

el sistema se reduce a dos ecuaciones

independientes, la tercera seria combinacin lineal de ellas, o a una sola

ecuacin las otras dos serian dependientes, en ambos casos el sistema
homogneo tendra infinitas soluciones y seria:

| | | | | |

x=

b1 c1
a c
a c
t , y= 1 1 t , z= 1 1 t
b2 c2
a2 c 2
a2 c2

LGEBRA LINEAL

Pgina 44

a1 x +b 1 y +c 1 z =0
a2 x +b 2 y +c 2 z =0

decir:

ANEX
OS

LGEBRA LINEAL

Pgina 45

EJERCICIOS DESARROLLADOS
1.-Dadas las matrices
los elementos

C6 9

A=( aij )=(|i j|)20 x3

C 96

de la matriz

B=( b ij ) =( i+ j )3 x 3

, encontrar

( C ij ) =AB AT .

SOLUCIN
1.1.-Hallamos

C69 .

a) Denotamos las siguientes matrices segn los datos del problema:

[ ]

0 1 2
1 0 1
2 1 0
A= 3 2 1

5 4 3

19 18 17

[ ]

2 3 4
B= 3 4 5
4 5 6

20 X 3

0 1 2 3 8 19
A = 1 0 1 2 7 18
2 1 0 1 6 17
T

3X3

3 X 20

b) Esquematizamos simblicamente el proceso a seguir para hallar

.

LGEBRA LINEAL

Pgina 46

( C ij )

 ( C ij )= AB A
=

[ ] 20 x 3 x [ ] 3 x 3 x [C 9 ] 3 x 20

[ F6 ]20 x3 x [ C 9 ]3 x 20

[ C69 ]20 x 20

C) Hallamos los valores de

[(

F 6= ( 5 4 3 )

( )) (
2
3
4

F6

( 5 4 3)

C9

() (
3
4
5

(5 4 3 )

( ) )]
4
5
6

F6 =[ 34 46 58 ]

[]

8
C 9= 7
6

, se obtiene por induccin en el paso a.

d) Con los valores calculados hallamos

C69

[]

8
C 69 =[ 34 46 58 ] 7 =34 ( 8 ) + 46(7) + 58(6) = 942.
6

1.2.-Hallamos

C 96 .

a) Denotamos las siguientes matrices segn los datos del problema:

LGEBRA LINEAL

Pgina 47

[ ]

0 1 2
1 0 1
2 1 0
A= 3 2 1

8 7 6

19 18 17

[ ]

2 3 4
B= 3 4 5
4 5 6

20 X 3

0 1 2 3 5 19
A = 1 0 1 2 4 18
2 1 0 1 3 17
T

3X3

3 X 20

b) Esquematizamos simblicamente el proceso a seguir para hallar

.
( C ij )= AB A T
=
=

[ ] 20 x 3 x [ ] 3 x 3 x [C 6 ] 3 x 20

[ F9 ]20 x3 x [ C 6 ]3 x 20
[ C 96 ]20 x20

C) Hallamos los valores de

[(

F 9= ( 8 7 6 )

() (
2
3
4

F6

( 8 7 6)

C9

( )) (
3
4
5

(8 7 6 )

F9 =[ 61 82 103 ] .

[]

5
C 6= 4
3

, se obtiene por induccin en el paso a.

d) Con los valores calculados hallamos

LGEBRA LINEAL

Pgina 48

C69

( ))]
4
5
6

( C ij )

[]

5
C 96 =[ 61 82 103 ] 4 =61 ( 5 ) + 82(4) + 103(3) = 942.
3
2.-Dada una matriz A de orden 4x4, simtrica e invertible, que cumple las
siguientes condiciones:
i)

A t
=5 I
5

( )

Traz ( A+ B) siendo

Hallar

3 A 5| A| A=(5 A 4 ) 3 A t A 4 +|46 At| A

ii)

[ ]

0
1
B=
1
1

1
0
1
1

1
1
0
1

1
1
1
0

SOLUCIN
a) Extrayendo datos del problema.
Aplicando la propiedad

( kA )t=k A t ,

Como A es simtrica e invertible

I =A . A1

A= A t

b) Operando con la primera condicin:

A

A t
=5 I
5

( )

Como

A1=

A2
=5 A . A1
5

A=25 A 1

| A|=25 4| A1| adems

|kA|=k n| A|

1
| A|

| A1|=

| A| 1
A
1
2
| A1|= 4 |A| 4 = |A| =254 | A|=625 .
25
|
A
|
25
25

c) Operamos con la otra condicin.

t

3 A5 | A| A=(5 A 4 ) 3 A t A 4+|4 6 A t| A
5

3 A | A| A=5 A 3 A + 6| A| A
5 A =7| A| A6 A
LGEBRA LINEAL

Pgina 49

6 A +5 A =7| A| A
2

6 A A A+5 A A =7| A| A
6 ( 25 I ) ( 25 I ) A +5 ( 25 I ) ( 25 I ) =7(625) A
6 IA+ 5 I =7 A
A=5 I

[ ]

5
0
A=5 I =
0
0

0
5
0
0

0
0
5
0

0
0
0
5

d) Ahora calculamos lo que nos pide el problema.

[ ][ ] [ ]

5
0
A+ B=
0
0

0
5
0
0

0
0
5
0

0 0 1
0 1 0
+
0 1 1
5 1 1

1
1
0
1

1
5 1
1
1 5
=
1
1 1
1 1
0

1
1
5
1

1
1
1
5

Traz ( A+ B )=5 ( 4 )=20

3.-Hallarla matriz inversa de A, si existe, siendo:

1
2
0 1 2
2
3 1 0
1
A= 0 1 2
4 2
1 0
4 1 0
1
2
1 0 1
1
2 0 1 2
2
3 1 0 1
0 1 2 4 2
1 0 4 1 0
1
2 1 0 1

LGEBRA LINEAL

]
1
0
0
0
0

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

0
0
0
0
1

Pgina 50

( f 22 f 1 ) ; ( f 4 + f 1 ) y ( f 5f 1 )

0
1 2
0 1 1
0 1 2
0 2
4
0 0 1

1 2
2 3
4 2
2 2
1 1

1
2
0
1
1

0
1 2
0 1 1
0 0
3
0 0
2
0 0 1

1 2
2 3
2 1
2 4
1 1

1
0 0 0
2 1 0 0
2 1 1 0
3 2 0 1
1 0 0 0

0
1 2
0 1 1
0 0
1
0 0
2
0 0 1

1 2
2 3
0 5
2 4
1 1

0
1
0
2 1
0
5 3 1
3 2
0
1 0
0

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

0
0
0
0
1

f
( 3f 2 ) y ( f 4 + 2 f 2)

0
0
0
0
1

f 3 f 4

0
0
1
1
0

0
0
0
0
1

0 1 2
1 2
0 1 1 2 3
0 0
1 0 5
0 0 0 2 14
0 0
0 1 4

0 0
1
0
2
1
0 0
5 3 1 1
13 8 2 3
4 3 1 1

0
0
0
0
1

0 1 2
1 2
0 1 1 2 3
0 0
1 0 5
0 0 0 1 18
0 0
0 1 4

0 0
1
0
2
1
0 0
5 3 1 1
17 11 3 4
4 3 1 1

0
0
0
1
1

0 1 2
1 2
0 1 1 2 3
0 0
1 0 5
0 0 0 1 18
0 0
0 0 22

0 0
1
0
2
1
0 0
5
3
1 1
17 11 3 4
21 14 4 5

0
0
0
1
2

LGEBRA LINEAL

Pgina 51

( f 42 f 3 ) y (f 5 + f 3)

(f 4f 5 )

(f 5f 4 )

1
f )
22 5

0
1 2
0 1 0
0 0
1
0 0 0
0 0
0

1 2
2 3
0 5
1 18
0 1

1
2
5
17
21
22

0
1
3
11
14
22

0
0
1
3
4
22

0
0
1
4
5
22

0
0
0
1
2
22

f1 - 2f5 ; f2 -2f5 ; f3-5f5 ;

f4+18f5

1 2 0
0 1 0
0 0
1
0 0
0
0 0
0

1
2
0
1
0

0
0
0
0
1

20
22
19
22
5
22
4
22
21
22

28
22
20
22
4
22
10
22
14
22

8
22
12
22
2
22
6
22
4
22

10
22
15
22
3
22
2
22
5
22

4
22
6
22
10
22
14
22
2
22

( f 1+ f 4 ) y (f 2 +2 f 4)

0 0 0
1 2
0 1 1 0 0
0 0
1 0 0
0 0
0 1 0
0 0
0 0 1

LGEBRA LINEAL

16
22
11
22
5
22
4
22
21
22

18
22
0
4
22
10
22
14
22

2 8 10
22 22 22
11 22
0
22
22
2
3 10
22 22
22
6 2 14
22 22 22
4 5 2
22 22 22

Pgina 52

f
( 2+ f 3)

1
0
0
0
0

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

16
22
16
22
5
22
4
22
21
22

0
0
0
0
1

26
22
4
22
4
22
10
22
14
22

Entonces la inversa es

4.- En la matriz

A= [ aij ]

2
22
2
22
2
22
6
22
4
22

8 54
22
22
8 32
22 22
3 10
22 22
2 14
22 22
5 2
22 22

[ ]

16
22
16
22
5
A1=
22
4
22
21
22

de orden n, donde

debe tener n para para que el rango de

26
22
4
22
4
22
10
22
14
22

aij =

2
22
2
22
2
22
6
22
4
22

8 54
22
22
8 32
22 22
3 10
22 22
2 14
22 22
5 2
22 22

1 si i j
{n1
sii= j

Qu valor

A debe sea igual a su orden?

SOLUCIN

Definiendo la matriz A se tiene:

LGEBRA LINEAL

n1
1
1 1
1
n1
1 1
A= 1
1
n1
1

1
1
1
n1

Pgina 53

 Para

r ( A )=n

| A| 0 , luego calculando el determinante, sumamos

todas las filas a la primera. Y luego sacamos factor comn.

n1
1
1 1
1
n1
1 1
| A|= 1
1
n1
1

1
1
1
n1

2(n1) 2(n1) 2(n1) 1

1
n1
1 1
| A|= 1
1
1
1

1
1
1 n1

1
1
1 1
1 n1
1 1
A= 1
1
n1
1

1
1
1
n1

A la fila dos le restamos la fila 1, luego restamos ala fila tres la fila uno y
as sucesivamente hasta restar la fila ensima con la primera fila. Entonces la
matriz nos queda de la siguiente manera.

1
1
1 0
0 n2
0 0
2 ( n1 ) 0
0
n1
0

0
0
1
n2
2 ( n1 ) ( 1 )( n2 ) ( n2 ) ( n2 )=2 ( n1 ) ( n2 )

n1

Luego r ( A )=n | A|=n n 1, n 2(n 3)

LGEBRA LINEAL

Pgina 54

0 n 1 ,n 2

5.-Una fbrica posee tres mquinas A, B y C, las cuales trabajan en un da,

durante 15, 22 y 23 horas, respectivamente. Se produce tres artculos X, Y y Z
en estas mquinas, en un da, como sigue: una unidad de X est en A durante
1 hora, en B durante 2 horas, en C durante 1 hora; una unidad de Y est en A
durante 2 hora, en B durante 2 horas, en C durante 3 horas; una unidad Z est
en A durante 1 hora, en B durante 2 horas, en C durante 2 horas. Si las
maquinas se usan a mxima capacidad, durante un da, hallar el nmero de
unidades de cada artculo que es posible producir.

SOLUCIN
X A :1 hora

B :2 horas
C : 2 horas

Y A :2hora

B :2 horas
C : 3 horas

Z A :1 hora
B :2 horas

C : 2 horas

Las ecuaciones son las siguientes:

x +2 y + z=15
2 x +2 y+ 2 z=22
x +3 y+ 2 z=23

La matriz es:
LGEBRA LINEAL

Pgina 55

A=

[ ]
1 2 1
2 2 2
1 3 2

Matriz aumentada es:

1 2 1
2 2 2
1 3 2

15
22
23

Aplicando mtodo de transformaciones elementales

1 2 1
2 2 2
1 3 2

15
22
23

Desarrollando

1 2 1
2 2 2
0 2 1

15
22
12

Desarrollando

1 2 1
0 2 0
0 2 1

1
f 3 f 2
2

f 22 f 1

15
8
12

Desarrollando

1 2 1
0 2 0
0 0 1

15
8
4

Desarrollando

LGEBRA LINEAL

f 3+f 2

f 1+f 2

f 1 f 3

Pgina 56

1 0 0
0 2 0
0 0 1

3
8
4

Desarrollando

1 0 0
0 1 0
0 0 1

1
f
2 2

3
4
4

Entonces los valores de las variable quedan de la siguiente forma

x=3
y=4
z=4

El rango de la matriz A es igual al rango de la matriz aumentada en

conclusin tiene solucin.
( A )=( A a )

Como el rango es igual al nmero de incgnitas el sistema tiene

solucin nica

( A )=n

6.- Resolver el sistema de ecuaciones:

x2 y +3 z4 w+ 2u=2
x+ 2 yz u=3
x y +2 z3 w=10
yz w2u=5
2 x+ 3 yz+ w+ 4 u=1

LGEBRA LINEAL

Pgina 57

SOLUCIN:
La matriz es:

1 2
3
1 2
1
A= 1 1 2
0 1 1
2 3 1

4 2
0 1
3 0
1 2
1
4

La matriz aumentada es:

1 2 3 4 2
1 2 1 0 1
1 1 2 3 0
0 1 1 1 2
2 3 1
1 4

2
3
10
5
1

Aplicando mtodo de transformaciones elementales.

Desarrollando

f 2f 1

1 2 3 4 2
0 4 4 4 3
0 1 1 1 2
0 1 1 1 2
0 7 7
9 0

f 3 f 1

2
1
12
5
5

Desarrollando la permutacin de la
1 2 3 4 2
0 1 1 1 2
0 4 4 4 3
0 1 1 1 2
0 7 7
9 0
Desarrollando

LGEBRA LINEAL

f 5 2 f 1

f 2f 3 .

2
12
1
5
5

f 3 4 f 2

f 4f 2 Y

Pgina 58

f 5 7 f 2 .

1 2 3 4 2
0 1 1 1 2
0 0
0
0
5
0
0 0
2 0
0
0 0
2 14
Desarrollando

2
12
49
53
79

f 5+ f 4

1 2 3 4 2
0 1 1 1 2
0 0
0
0
5
0
0 0
2 0
0
0 0
0 14

Desarrollando

2
12
49
53
132

1
f
14 5
2
12
49
53
66
7

1 2 3 4 2
0 1 1 1 2
0 0
0
0
5
0
0 0
2 0
0
0 0
0 1

Desarrollando

f 3 5 f 5

1 2 3 4 2
0 1 1 1 2
0 0
0
0
0
0
0 0
2 0
0
0 0
0 1

7.Calcular :

LGEBRA LINEAL

Pgina 59

h 1
0
0 0
hx h 1
0 0
| A|= h x 2 hx
h 1 0

n1
n2
n3
n
h x hx h x h x h
Soluci n :

factorizando h .

1 1
0
0 0
x h 1
0 0
2
| A|=h x hx
h 1 0

0

n1
n2
n3
n
x hx h x h x h
C2 +C 1

1
0
0
0 0
x x +h
1
0 0
2
2
| A|=h x x + hx
h 1 0

n2
n3
n n
n1
x x +h x h x h x h

Factorizando ( x+ h) .

1 0
0
0 0
x 1 1
0 0
2
| A|=h(x +h) x x h 1 0

0

n2
n3
n n1
x x hx h x h
C3 +C 2

LGEBRA LINEAL

Pgina 60

1 0
0
0 0
x 1
0
0 0
| A|=h(x +h) x 2 x
x +h
1 0

n2
n3
n n1 n1
x x x +h x h x h
Facorizando (x +h)

1 0 0
0 0
x 1 0
0 0
2
| A|=h(x +h)( x +h) x x 1 1 0

0

n3
n n1 n2
x x x h x h
Sea n el orden de la matriz A :

Si n=1 entonces :| A|=h=h( x +h)11

Si n=2entonces :| A|=h ( x +h ) =h(x +h)21

Si n=3 entonc es :| A|=h( x+h)2=h(x+ h)31

Si n=n entonces :|A|=h( x +h)n1

8.Demostrar que :

n1
(2)n1
2

| |

03333
30666
| A|= 3 6 0 6 6 =3n

36660
Solucion :

LGEBRA LINEAL

Pgina 61

1
factorizando de la fila 1 y lacolumna 1
2

| |

06 6 6 6
6 06 6 6
1
| A|=
6 6 0 6 6
22

6 6 6 6 0

Restando a todaslas filas la fila 1

| |

0 6 6 6 6
6 6 0 0 0
1
| A|= 6 0 6 0 0
4

6 0 0 0 6

Sumando ala fila 1 todaslas filas para obtener la matriz triangular

inferior .

( n1 ) 6 0 0 0 0
6 6 0 0 0
1
| A|=
0 6 0 0
6
4

0 0 0 6
6

( 14 ) ( n1) 6 (6)

| A|=

( 12 ) ( n1) 3 (2)

| A|=

n 1

n1

( 3)n 1

n1
n1
(2)
2
| A|=3n

9) Resolver el sistema de ecuaciones por Cramer

LGEBRA LINEAL

Pgina 62

 4 x1 12 x 2 6 x3 8 x 4 8
8 x 6 x 9 x 6 x 3

1
2
3
4
S .E.
6
x

5
x

4
x

5
x

13
2
3
4
1
10 x1 5 x 2 3 x3 6 x 4 14

Solucin:
1 Escribimos los coeficientes en la siguiente matriz:

4
12 6 8

8 6 9 6
A
6
5 4 5

10 5
3 6

2 Hallamos el determinante de la matriz principal por cofactores

4
12 6 8
8 6 9 6
D A
cofactores
6
5 4 5
10 5
3 6

6 9 6
4 6 4 5 4144 225 90 120 90 270 1956
3
3 6
8 9 6
12 6
4 5 12192 450 108 240 120 324 11448
10 3 6

LGEBRA LINEAL

Pgina 63

8 6 6
6 6
5 5 6 240 300 180 300 200 216 5736
10 5 6

8 6 9
8 6
5 4 8 120 240 270 450 160 108 9056
10 5
3
4
12 6 8
8 6 9 6
D A
5300
6
5 4 5
10 5
3 6

3 Hallamos los determinantes de cada una de las matrices remplazando

los valores de la primera columna con los valores independientes

8 12 6 8
3 6 9 6
Dx1
cofactores
13
5 4 5
14 5
3 6

LGEBRA LINEAL

Pgina 64

6 9 6
8 5 4 5 8144 225 90 120 90 270 3912
5
3 6
3 9 6
12 13 4 5 12 72 630 234 336 45 720 6300
14 3 6
3 6 6
6 13 5 5 6 90 420 390 420 75 468 198
14 5 6
3 6 9
8 13 5 4 8 45 336 585 630 60 234 5760
14 5
3

8 12
6 8
3 6 9 6
Dx1
7950
13
5 4 5
14 5
3 6
4
8
6 8
8
6 9 6
Dx 2
21200
6
13 4 5
10 14 3 6
4
8
Dx 3
6
10

12 8 8
6 3 6
15900
5 13 5
5

14 6

4
12
6
8
8
6 9 3
Dx 4
10600
6
5 4 13
10 5 3 14

LGEBRA LINEAL

Pgina 65

4 Dividimos cada una de los determinantes de cada variable entre la

determinante principal:

4
8
6

12
6 8

6 9 6
5 4 5

3 6 7950
Dx1 10 5

x1
1 .5

6 8 5300
D A 8 12
3 6 9 6

5 4 5
13
14 5
3 6

Dx 2

21200
4
5300

Dx 3

15900
3
5300

Dx 4

10600
2
5300

C.S . 1.5;4;3;2

10) Resolver el siguiente sistema de inecuaciones lineales.

LGEBRA LINEAL

Pgina 66

1La matriz ampliada del sistema es

2 Realizamos operaciones elementales fila para obtener la matriz en forma

escalonada reducida

Sumamos a las filas primera, segunda y tercera la cuarta multiplicada

por 2, -3 y 5respectivamente

Multiplicamos la cuarta fila por -1 y la intercambiamos con la segunda

Multiplicamos las filas tercera y cuarta por 1/34 y -1/22 respectivamente

Le restamos la tercera fila a la cuarta

Multiplicamos la cuarta fila por -187/42

LGEBRA LINEAL

Pgina 67

Le sumamos a las filas primera y segunda la tercera multiplicada por 13 y 8 respectivamente

Le sumamos a las filas primera, segunda y tercera la cuarta multiplicada

por 5/34, 5/17, -3/34

3 igualamos cada una de los valores encontrados con las variables y

reemplazamos por el Teorema de Rouch-Frobenius Frobenius el sistema es
compatible determinado y las soluciones son

BIBLIOGRAFA

LZARO CARRIN, Moiss. (2009). LGEBRA LINEAL. Segunda

Edicin. Editorial Moshera S.R.L Pgs. 1-79.

ESPINOZA RAMOS, Eduardo. (2002). VECTORES Y MATRICES.

Segunda edicin. Editorial Servicios Didcticos JJ.

LGEBRA LINEAL

Pgina 68

INTERNET.

LGEBRA LINEAL

Pgina 69