Surge este texto por la necesidad detectada en los estudiantes de pregrado de ingeniería de disponer de una herramienta básica provechosa para seguir un curso introductorio de Álgebra Lineal en el aula de clase. Se explican los temas de Matrices, Sistemas lineales, Determinantes, Transformaciones lineales, Vectores en R^n, Rn como espacio vectorial y, por último, Valores y vectores propios. Se ofrecen ejemplos prácticos y teóricos; y se proponen ejercicios a medida que los conceptos teóricos surgen, buena parte con sus respuestas; siempre partiendo de lo simple a lo medianamente complejo; y en algunos casos estimulando la creatividad. Se recomienda al profesor explicar solo algunos ejemplos y ejercicios, y realizar y proponer los propios en el aula de clase.
Además, se incluyen algunas demostraciones sencillas para aquellos estudiantes que deseen trascender de los ejercicios operativos a lo abstracto. Queda a juicio del profesor profundizar en las demostraciones. El seguimiento de estas notas en el aula de clase (física o virtual) ahorrará tiempo al docente, pues no requerirá escribir los conceptos, y podrá aprovechar este tiempo en la explicación de nuevos ejemplos que él considere pertinentes. Además, el estudiante evitará estudiar de errores que se cometen al tomar nota en clase y de errores casuales del mismo docente.
Agradecimientos a mis alumnos, pues fueron la semilla que dio origen a estos escritos.
En un futuro se espera enriquecer el tipo de ejemplos, que tanto ayudan al alumno y facilitan la labor al docente; tambiién se planea emplear software matemático en la solución de problemas; y desarrollar una herramienta interactiva en la que el estudiante se ejercite y las instituciones educativas puedan hacer seguimiento al desarrollo de sus educandos.
AA.VV. - Reinvención de la metrópoli: 1920-1940 [2024].pdf
Álgebra Lineal de Luis F. Moreno S.
1. Conceptos b´asicos de
´Algebra Lineal
Septiembre 05 de 2016
´Ultima versi´on en
http://textodealgebralineal.blogspot.com.co/
Luis F. Moreno S.
Antioquia–Colombia
2. ii Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Autor Luis F. Moreno S.
Mag´ıster en Matem´aticas Aplicadas
Docente
Edici´on y diagramaci´on: Jos´e Luis Moreno Avenda˜no y Luis F. Moreno S.
Correcci´on de estilo: Luis F. Moreno S.
Conceptos b´asicos de ´Algebra Lineal
Realizado en Antioquia–Colombia
Agosto de 2017
5. Pr´ologo
Surge este texto por la necesidad detectada en los estudiantes de pregrado de
ingenier´ıa de disponer de una herramienta b´asica provechosa para seguir un curso
introductorio de ´Algebra Lineal en el aula de clase.
Se explican los temas de Matrices, Sistemas lineales, Determinantes, Trans-
formaciones lineales, Vectores en Rn, Rn como espacio vectorial y, por ´ultimo,
Valores y vectores propios. Se ofrecen ejemplos pr´acticos y te´oricos; y se propo-
nen ejercicios a medida que los conceptos te´oricos surgen, buena parte con sus
respuestas; siempre partiendo de lo simple a lo medianamente complejo; y en
algunos casos estimulando la creatividad. Se recomienda al profesor explicar solo
algunos ejemplos y ejercicios, y realizar y proponer los propios en el aula de clase.
Adem´as, se incluyen algunas demostraciones sencillas para aquellos estudiantes
que deseen trascender de los ejercicios operativos a lo abstracto. Queda a juicio
del profesor profundizar en las demostraciones.
El seguimiento de estas notas en el aula de clase (f´ısica o virtual) ahorrar´a
tiempo al docente, pues no requerir´a escribir los conceptos, y podr´a aprovechar
este tiempo en la explicaci´on de nuevos ejemplos que ´el considere pertinentes.
Adem´as, el estudiante evitar´a estudiar de errores que se cometen al tomar nota
en clase y de errores casuales del mismo docente.
Agradecimientos a mis alumnos, pues fueron la semilla que dio origen a estos
escritos.
En un futuro se espera enriquecer el tipo de ejemplos, que tanto ayudan al
alumno y facilitan la labor al docente; tambi´en se planea emplear software ma-
tem´atico en la soluci´on de problemas; y desarrollar una herramienta interactiva
en la que el estudiante se ejercite y las instituciones educativas puedan hacer
seguimiento al desarrollo de sus educandos.
7. Introducci´on
Se sabe hasta ahora que los or´ıgenes del ´algebra lineal se remontan a los babi-
lonios en el siglo XXI antes de Cristo. Un ejemplo es el escrito en una de las
famosas tablillas de Croquetta:
Existen dos campos cuyas ´areas suman 1800 yardas1 cuadradas. Uno
produce granos en raz´on de 2/3 de saco por yarda cuadrada, mientras
que el otro produce granos en raz´on de 1/2 saco por yarda cuadrada.
Si la producci´on total es de 1100 sacos, ¿cu´al es el tama˜no de cada
campo?
Se conoce tambi´en el papiro Rhind, del a˜no 1650 antes de cristo, del sacerdo-
te egipcio ´Ahmes, donde se consideran ecuaciones de primer grado. Luego, los
matem´aticos chinos, durante los siglos III y IV antes de cristo, continuaron la
tradici´on de los babilonios con los primeros m´etodos del pensamiento lineal. Por
ejemplo, el m´etodo para la soluci´on de problemas lineales, que es conocido co-
mo la regla fan-chen, que trascendi´o en lo que hoy es conocido como el m´etodo
de eliminaci´on gaussiana. Luego vendr´ıan los aportes de los isl´amicos y de los
europeos.
Actualmente, el ´algebra lineal estudia, entre otros, conceptos tales como:
matrices, sistemas de ecuaciones lineales, determinantes, vectores, espacios vec-
toriales, y valores y vectores propios. Estos conceptos tienen conexiones con ´areas
pr´acticas y te´oricas como: las ingenier´ıas, econom´ıa, f´ısica, astronom´ıa, gr´aficas
por computador, an´alisis funcional, ecuaciones diferenciales e investigaci´on de
operaciones, entre otros.
Nos proponemos en las pr´oximas l´ıneas entender los conceptos b´asicos de
estos temas mediante sencillos ejemplos y ejercicios operativos, pr´acticos y abs-
tractos.
1
Medida de longitud del sistema ingl´es que equivale a 91,4 cent´ımetros
9. Preliminares
Acerca de las pruebas matem´aticas
Comenzar´e la explicaci´on de lo que es una prueba mediante una analog´ıa y
asumiendo que usted no sabe algo acerca de estas: suponga que deseamos fabricar
una mesa sencilla. Para ello requeriremos de materiales (madera, pegamento,
clavos . . . ) y herramientas (martillo, serrucho, metro, . . . ). Llamaremos a los
materiales y herramientas nuestra hip´otesis; y a nuestro objetivo, construir la
mesa, la tesis. Sabemos que para lograr la tesis hay una serie de pasos (comprar
la madera, transportarla, tomar medidas, cortar, untar pegamento, ensamblar,
etc´etera). A esta serie de pasos le llamaremos procedimiento. Pues bien, una
prueba matem´atica consta de esos tres elementos: una hip´otesis, una tesis y
un procedimiento que partiendo de la hip´otesis alcanza la tesis. Por supuesto, el
procedimiento puede tener variaciones; no todos fabricar´ıamos una mesa de igual
forma, aunque tuvi´eramos los mismos materiales y herramientas. Los procesos
pueden ser diferentes: dependen de nuestros conocimientos, gustos y objetivos.
Y as´ı son los procedimientos en las pruebas: variados. Hay diferentes formas de
realizar pruebas, las cuales iremos observando. Veamos ahora algo m´as formal:
Una prueba matem´atica es un argumento convincente acerca de la precisi´on
de una afirmaci´on. Dicho argumento debe contener los suficientes detalles para
convencer a la audiencia de la veracidad o falsedad de tal afirmaci´on.
Una afirmaci´on puede ser algo sencillo como 8÷2 = 4, la cual es verdadera o
12×5 = 57, la cual es falsa. Pero una m´as compleja podr´ıa ser: si ax2 +bx+c = 0
con a = 0, entonces
x =
−b ±
√
b2 − 4ac
2a
.
Para este caso, la hip´otesis, es decir, la herramienta y materiales con los que
vamos a trabajar, es ax2 +bx+c = 0 con a = 0 y la tesis, lo que vamos a probar,
es x = −b±
√
b2−4ac
2a , donde la prueba ser´ıa
10. x Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Prueba.
1 Sea ax2 + bx + c = 0 y a = 0, por hip´otesis
2 x2 + b
a x + c
a = 0, dividiendo por a
3 x2 + b
a x = −c
a, sumando −c
a a ambos lados
4 x2 + b
a x + b
2a
2
= b
2a
2
− c
a, sumando b
2a
2
5 x + b
2a
2
= b2−4ac
4a2 , el lado izquierdo es un
trinomio cuadrado perfecto
6 x + b
2a = ±
√
b2−4ac
2a , obteniendo ra´ız cuadrada
7 x = −b±
√
b2−4ac
2a , sumando − b
2a a ambos lados.
Luego, por 7 , queda demostrado.
Observe que la anterior prueba est´a dividida en tres columnas y varias l´ıneas
que corresponden cada una a un paso de la prueba. La primera columna indica
el n´umero de cada paso, la segunda es el paso propiamente dicho, y la tercera
corresponde a la raz´on de el porque se dio ese paso.
El anterior conjunto de pasos no es la ´unica forma de probar una afirmaci´on;
por lo general, los matem´aticos prueban en prosa. El autor prefiere utilizar el
anterior m´etodo debido a que facilita el orden y, por su experiencia, considera
que es m´as f´acil de entender para los estudiantes.
Cuando hemos probado una afirmaci´on le llamamos proposici´on o teorema.
Un corolario es una consecuencia de una proposici´on o teorema tan evidente
que no necesita demostraci´on.
Existen diferentes t´ecnicas para probar las afirmaciones, las cuales iremos
aprendiendo, pero para prevenir algunos errores frecuentes tenga en cuenta lo
siguiente:
1. Un ejemplo no es una prueba. Es solo una verificaci´on.
2. Nunca asuma hip´otesis que no han sido dadas en la afirmaci´on.
11. Unidad 1
Matrices y sistemas de
ecuaciones lineales
El objetivo de esta unidad es conocer el concepto de matriz, sus operaciones y
propiedades, con la finalidad de representar y resolver algunos problemas pr´acti-
cos en ingenier´ıa, matem´aticas y administraci´on, empleando el m´etodo de Gauss-
Jordan o la inversa de una matriz. Inicialmente veremos las definiciones necesa-
rias con sus respectivos ejemplos.
1.1 Matrices
Definici´on 1 (Matriz). Una matriz, denotada por una letra may´uscula, es un
arreglo rectangular de elementos; elementos que para nosotros ser´an n´umeros
reales1 (R).
Por ejemplo,
A =
3 1 2
−2 4 5
,
es una matriz de dos filas y tres columnas. La fila uno (f1) est´a constituida por
los elementos 3, 1 y 2, y la fila dos (f2) por −2, 4 y 5. La columna uno (c1) est´a
constituida por los elementos 3 y −2, la columna dos (c2) est´a constituida por
1
Lo expresado en este texto tambi´en es v´alido para n´umeros complejos
12. 2 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
los elementos 1 y 4 y la columna tres (c3) est´a constituida por los elementos 2 y
5.
En general, una matriz de m filas y n columnas la escribiremos como Am×n
o A ∈ Mm×n, que en forma matricial es
A =
a11 a12 · · · a1n
a21 a22 · · · a2n
...
...
...
am1 am2 · · · amn
,
donde la fila i es
fi = ai1 ai2 · · · ain para i = 1, . . . , m ;
y la columna j es
cj =
a1j
a2j
...
amj
para j = 1, . . . , n .
Por ejemplo: A2×3 es la matriz A de dos filas y tres columnas y B4×5 es la matriz
B de cuatro filas y cinco columnas. Diremos que Am×n es una matriz de tama˜no
m × n.
Al elemento de la i–´esima fila y la j–´esima columna, de la matriz Am×n, lo
denotaremos como aij, por ejemplo, en la matriz A3×2, donde
A =
0 1
2 −2
3 4
,
los elementos son a11 = 0, a12 = 1, a21 = 2, a22 = −2, a31 = 3 y a32 = 4. En
algunas ocasiones nos referiremos a una matriz Am×n como [aij].
Nota. La notaci´on i = 1, . . . , m quiere decir que i toma valores desde uno hasta
m enteros.
Ejemplo 1 (Notas de clase). Suponga que para el curso de ´algebra lineal hay
matriculados siete alumnos al final del semestre: Mar´ıa, Pedro, M´onica, Luis,
13. Matrices y sistemas de ecuaciones lineales 3
Ana, John, y Camila. Podemos organizar las notas de sus tres parciales P1, P2 y
P3, del 25 % cada uno, y seguimiento S, del 25 %, en una matriz B de la forma
P1 P2 P3 S
B =
4,5 3,5 4,0 4,5
3,0 3,5 2,0 4,0
5,0 3,0 2,0 1,0
1,5 3,5 4,0 4,0
3,5 3,0 3,0 5,0
4,0 3,0 2,0 3,0
5,0 5,0 5,0 5,0
Mar´ıa
Pedro
M´onica
Luis
Ana
John
Camila.
Entonces, cada bij indica la nota del alumno i en el parcial j o seguimiento.
Por ejemplo, b32 = 3,0 indica la nota obtenida por M´onica en el parcial 2.
Ejercicio 1. Calcule la nota promedio de cada estudiante. Puede hacerlo ma-
nualmente, con una hoja de c´alculo o mediante programaci´on con dos for, uno
dentro del otro.
Ejercicio 2. Construya una matriz N en la que represente las asignaturas que
curs´o el semetre anterior versus las diversas notas obtenidas durante el semetre.
Asuma igual cantidad de notas por cada asignatura. Calcule la nota promedio
de cada materia en la forma que lo desee.
Ejemplo 2 (Producci´on). Para la elaboraci´on de plastilina se requiere dos com-
puestos principalmente: sales de calcio y vaselina. Una empresa produce dos tipos
de plastilina: fina y suave. Para la elaboraci´on de una barra de plastilina fina se
requiere dos gramos de sales de calcio y tres de vaselina; y para la de una suave
se requieren cuatro de sales de calcio y dos de vaselina. Si la ganancia por cada
barra de plastilina fina es de $5 y la de suave es de $8 y, adem´as, la disponibilidad
diaria de sales de calcio es de 50 gramos y de vaselina es de 35 gramos, ¿cu´antas
barras de plastilina fina y cu´antas de plastilina suave se deben producir para
maximizar la ganancia?
El anterior es un problema de programaci´on lineal en el que se emplean
matrices para resolverlo.
Si x1 es la cantidad de barras de plastilina fina a producir y x2 es la cantidad
de barras de plastilina suave a producir, entonces se debe maximizar la ecuaci´on
z = 5x1 + 8x2, que es la ganancia, sujeta a:
2x1 + 4x2 50
14. 4 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
3x1 + 2x2 35 .
Las anteriores inecuaciones son representadas matricialmente en la forma
2 4
... 50
3 2
... 35
,
y se emplea en la soluci´on del problema.
Ejemplo 3 (Grafo). Suponga que tenemos un sistema de comunicaci´on com-
puesto por seis nodos como el que se muestra en la figura 1.1. Las flechas indican
el sentido de comunicaci´on, por ejemplo: e1 env´ıa mensajes a e2 y viceversa; e1
tambi´en puede enviar mensajes a e5 y a e6, pero ni e5 ni e6 pueden enviar a e1.
e5 e4
e3
e1
e2
e6
Figura 1.1: grafo dirigido de un sistema de comunicaci´on
La representaci´on matricial de este grafo es
e1 e2 e3 e4 e5 e6
C =
e1
e2
e3
e4
e5
e6
0 1 0 0 0 1
1 0 0 0 0 0
0 0 0 0 1 0
0 0 0 0 1 1
1 0 0 1 0 0
0 1 0 1 0 0
,
15. Matrices y sistemas de ecuaciones lineales 5
donde cada cij indica que el emisor i puede enviar mensajes al receptor j sola-
mente si cij = 1, por ejemplo: como c21 = 1, entonces e2 puede enviar mensajes
a e1.
Ejemplo 4 (Gr´afica). Si tenemos una gr´afica en R2 y deseamos reflejarla al otro
lado de la recta y = −x, tal como se ilustra en la figura 1.2,
10
10
-10
-10
Figura 1.2: Tri´angulo a ser reflejado en y = −x
habr´ıa que multiplicar la matriz
0 −1
−1 0
,
por la matriz
8 −4 2
2 6 10
,
que corresponde a los v´ertices del tri´angulo mostrado, para obtener
−2 −6 −10
−8 4 −2
,
que corresponde a los v´ertices del nuevo tri´angulo. Luego unir´ıa los v´ertices.
M´as adelante veremos como es la multiplicaci´on de matrices y usted podr´a
verificar dicha operaci´on.
16. 6 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Definici´on 2 (Matrices iguales). Dos matrices Am×n = [aij] y Bm×n = [bij] son
iguales si aij = bij para i = 1, . . . , m y j = 1, . . . , n, es decir, si el elemento a11 es
igual al b11, si el elemento a12 es igual al elemento b12, y as´ı sucesivamente para
cada par de elementos.
Ejemplo 5. Diremos que las matrices
A =
1 3 −2
4 8 2
4 2 1
y B =
1 x + y −2
4 2x + 3y 2
2x + y 2 1
,
son iguales si y solo si x + y = 3, 2x + 3y = 8 y 2x + y = 4.
Ejercicio 3. De acuerdo a sus conocimientos previos de ´algebra, en el ejemplo
5 determine los valores de x y y tales que A y B sean iguales.
Ejercicio 4. ¿Son las matrices
A =
1 2 −2
4 5 2
3 2 1
y B =
1 2
4 5
3 2
,
iguales? Justifique su respuesta.
Respuesta: no son iguales puesto que para comparar si dos matrices son iguales,
estas deben tener igual tama˜no. Para el presente caso, el tama˜no de A es tres
por tres y el tama˜no de B es tres por dos.
Definici´on 3 (Matriz cuadrada). Una matriz Am×n es cuadrada si m = n, es
decir, si el n´umero de filas es igual al n´umero de columnas.
Ejemplo 6. La matriz A4×4 es cuadrada
A =
3 4 0 5
7 5 2 −7
8 −2 1 0
−1 3 4 0
,
pues tiene cuatro filas y cuatro columnas.
17. Matrices y sistemas de ecuaciones lineales 7
En una matriz, A = [aij], los elementos a11, a22, . . . , ann conforman la dia-
gonal principal. En la matriz A4×4, del ejemplo 6, la diagonal principal est´a
conformada por los elementos: a11 = 3, a22 = 5, a33 = 1 y a44 = 0.
Ejercicio 5. Construya una matriz A4×4, una B3×3, otra C2×2 y, por ´ultimo,
una D1×1.
Ejercicio 6. Identifique y escriba los elementos de la diagonal principal de cada
una de las matrices del ejercicio 5.
Definici´on 4 (Matriz diagonal). Una matriz cuadrada donde los elementos por
fuera de la diagonal principal son ceros es llamada una matriz diagonal, es decir,
dada An×n = [aij], si aij = 0 para todo (∀) i = j, con i, j = 1, . . . , n, entonces
An×n es diagonal.
Ejemplo 7. A, B y C son matrices diagonales
A =
5 0
0 −2
, B =
3 0 0
0 3 0
0 0 3
, C =
7 0 0
0 0 0
0 0 0
.
Ejercicio 7. ¿Es la matriz
0 0 0
0 0 0
0 0 0
diagonal? Justifique su respuesta verbal y matem´aticamente.
Respuesta: s´ı es diagonal porque los elementos por encima y por debajo de la
diagonal principal son todos ceros, es decir, si llamamos O = [oij] a la matriz,
entonces podemos escibir o21 = o31 = o32 = o12 = o13 = o23 = 0, lo cual implica
que O es una matriz diagonal.
Definici´on 5 (Matriz escalar). Una matriz escalar es una matriz diagonal donde
los elementos de la diagonal principal son iguales, es decir, An×n = [aij] es escalar
si:
1. aij = 0 ∀ i = j.
2. aij = c ∀ i = j.
18. 8 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Ejemplo 8. Las matrices A, B y C dadas a continuaci´on son escalares.
A =
−3 0
0 −3
, B =
4 0 0
0 4 0
0 0 4
y C =
1 0 0
0 1 0
0 0 1
.
Ejercicio 8. Construya una matriz escalar A2×2, otra B3×3 y una C4×4.
Ejercicio 9. ¿Es la matriz
0 0 0
0 0 0
0 0 0
escalar? Justifique su respuesta verbal y matem´aticamente.
Definici´on 6 (Matriz identidad). Una matriz escalar donde los elementos de la
diagonal principal son todos unos es llamada matriz identidad, es decir, An×n =
[aij] es identidad si:
1. aij = 0 ∀ i = j.
2. aij = 1 ∀ i = j.
Emplearemos la notaci´on In para representar a la matriz identidad de tama˜no
n × n.
Ejemplo 9. Son matrices identidad
I2 =
1 0
0 1
, I3 =
1 0 0
0 1 0
0 0 1
, I4 =
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
.
Ejercicio 10. Construya I5 e I6.
Ejercicio 11. ¿Toda matriz con unos en la diagonal principal y ceros por fuera
de ella es una matriz identidad? Justifique su respuesta.
Definici´on 7 (Suma de matrices). Dadas las matrices Am×n = [aij] y Bm×n =
[bij] definimos su suma como A + B = C = [cij] donde cada cij = aij + bij para
i = 1, . . . , m y j = 1, . . . , n.
19. Matrices y sistemas de ecuaciones lineales 9
Ejemplo 10. Dadas las matrices
A =
4 2 −2
1 5 2
3 −2 1
y B =
−4 2 0
4 −5 0
3 2 5
,
su suma es
A + B =
4 2 −2
1 5 2
3 −2 1
+
−4 2 0
4 −5 0
3 2 5
=
4 + (−4) 2 + 2 (−2) + 0
1 + 4 5 + (−5) 2 + 0
3 + 3 (−2) + 2 1 + 5
=
0 4 −2
5 0 2
6 0 6
.
Ejercicio 12. Determinar A + B, si
A =
5 2 −2 3
3 −5 12 −1
11 2 0 5
y B =
−1 2 −7 3
4 5 −2 2
2 −5 3 −4
.
Ejercicio 13. Las matrices
A =
5 2 −2
4 −5 2
y B =
−1 2
4 5
25 4
no pueden ser sumadas. ¿Por qu´e?
Teorema 1 (Suma de matrices diagonales). La suma de dos matrices diagonales
es una matriz diagonal.
Nota. Para probar un teorema debemos identificar claramente la(s) hip´otesis y
la tesis. En este caso la hip´otesis consiste en dos matrices diagonales de igual
dimensi´on y la tesis, es decir, lo que hay que probar, es que su suma es una
matriz diagonal.
20. 10 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Prueba.
1 Sean An×n = [aij] y Bn×n = [bij],
matrices diagonales hip´otesis
Para i, j = 1, . . . , n se tiene
2 aij = 0 para i = j, definici´on de matriz diagonal en 1
3 bij = 0 para i = j, definici´on de matriz diagonal en 1
4 Sea A + B = C = [cij], suma de matrices
5 cij = aij + bij, definici´on de suma de matrices en 4
6 cij = 0 para i = j, por 2 y 3 en 5 .
Luego, por 6 , C es diagonal por definici´on de matriz diagonal.
Ejercicio 14. Para verificar el teorema 1, invente dos matrices diagonales y
s´umelas.
Ejercicio 15. Probar que la suma de dos matrices escalares es una matriz
escalar.
Ejercicio 16. Para verificar las pruebas realizadas en el ejercicio 15, invente dos
matrices escalares de tama˜no seis por seis y s´umelas.
Nota. Si se le dificulta realizar el ejercicio 15, primero realice al menos tres veces
el ejercicio 16. Tenga en cuenta la diferencia entre verificar y probar un teorema.
Definici´on 8 (Multiplicaci´on de un escalar por una matriz). Dados c ∈ R, un
escalar, y Am×n = [aij], definimos la multiplicaci´on de un escalar por una matriz
como cA = B = [bij] donde cada
bij = caij ,
es decir, para multiplicar un escalar por una matriz, simplemente multiplicamos
el escalar por cada entrada de la matriz.
Ejemplo 11. Sean c = −3 y
A =
2 3
4 1
−2 0
,
21. Matrices y sistemas de ecuaciones lineales 11
entonces
cA = (−3)
2 3
4 1
−2 0
=
−3 × 2 −3 × 3
−3 × 4 −3 × 1
−3 × (−2) −3 × 0
=
−6 −9
−12 −3
6 0
.
Ejercicio 17. Si c = 5 y
B =
−3 2 6 −1
2 5 −2 −4
,
entonces
cB =?
Ejercicio 18. Si c = −1, d = 4,
A =
−2 5 −1
2 −3 4
y B =
0 −1 4
2 3 1
,
entonces
cA + dB =
2 −9 17
6 15 0
.
Verif´ıquelo.
Definici´on 9 (Diferencia de matrices). Dadas las matrices Am×n = [aij] y
Bm×n = [bij] definimos su diferencia (tambi´en llamada resta) como A+(−1)B =
A − B = C = [cij] donde cada cij = aij − bij para i = 1, . . . , m y j = 1, . . . , n.
22. 12 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Ejemplo 12. Dadas las matrices
A =
−1 2 0
4 5 2
−3 2 4
y B =
−3 2 2
4 −5 0
−1 2 −3
,
su diferencia es
A − B =
−1 2 0
4 5 2
−3 2 4
−
−3 2 2
4 −5 0
−1 2 −3
=
−1 − (−3) 2 − 2 0 − 2
4 − 4 5 − (−5) 2 − 0
−3 − (−1) 2 − 2 4 − (−3)
=
2 0 −2
0 10 2
−2 0 7
.
Ejercicio 19.
1. Probar que la resta de dos matrices diagonales es una matriz diagonal.
2. Probar que la resta de dos matrices escalares es una matriz escalar.
Ejercicio 20. Para verificar las pruebas realizadas en el ejercicio 19, invente
dos matrices diagonales de tama˜no seis por seis y r´estelas. Tambi´en invente dos
matrices escalares de tama˜no seis por seis y r´estelas.
Si se le dificulta realizar el ejercicio 19, primero realice al menos tres veces el
ejercicio 20.
Definici´on 10 (Transpuesta de una matriz). Dada la matriz Am×n = [aij],
entonces su transpuesta es AT = [aji] donde cada aT
ij = aji para i = 1, . . . , m y
j = 1, . . . , n, es decir, la transpuesta de una matriz es aquella que se obtiene al
convertir las filas en columnas.
Ejemplo 13. Sea
A =
1 0 3 7
2 4 −2 5
,
23. Matrices y sistemas de ecuaciones lineales 13
entonces
AT
=
1 2
0 4
3 −2
7 5
.
Ejercicio 21. Si
B =
−3 4
4 3
0 −2
4 7
,
determine su transpuesta.
Ejercicio 22. Construya cinco matrices de diferentes tama˜nos y determine la
transpuesta de cada una.
Ejemplo 14 (Resta de matrices y multiplicaci´on por un escalar). Dados
A =
3 −2 1
2 0 5
, B =
−5 2
0 1
1 4
, c = −1 y d = 3; encontrar c dA − BT .
Soluci´on.
c dA − BT
= −1 3
3 −2 1
2 0 5
−
−5 0 1
2 1 4
= −1
3 × 3 3 × (−2) 3 × 1
3 × 2 3 × 0 3 × 5
−
−5 0 1
2 1 4
= −1
9 −6 3
6 0 15
−
−5 0 1
2 1 4
= −1
9 − (−5) −6 − 0 3 − 1
6 − 2 0 − 1 15 − 4
= −1
14 −6 2
4 −1 11
24. 14 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
=
(−1) × 14 (−1) × (−6) (−1) × 2
(−1) × 4 (−1) × (−1) (−1) × 11
=
−14 6 −2
−4 1 −11
.
Ejercicio 23. Dados
A =
4 2 1
4 5 −8
, B =
5 2
−2 0
1 −3
, c = 2 y d = −3; encontrar c dA + BT .
Definici´on 11 (Matriz sim´etrica). Una matriz A es sim´etrica si es igual a su
transpuesta, es decir, si A = AT .
Ejemplo 15. La matriz
B =
−3 5 −1 −4
5 −8 4 7
−1 4 0 −1
−4 7 −1 6
es sim´etrica, pues B = BT . Se puede observar que cada aij = aji.
Ejercicio 24. ¿Es la matriz
A =
1 2 −1
2 3 4
−1 4 0
sim´etrica? Justifique su respuesta.
Ejercicio 25. Construya tres matrices sim´etricas.
Ejercicio 26. Para que una matriz sea sim´etrica, ¿cu´al o cu´ales de las defini-
ciones vistas hasta el momento debe cumplir? Justifique su respuesta.
Definici´on 12 (Matriz antisim´etrica). Una matriz A es antisim´etrica si
AT = −A.
25. Matrices y sistemas de ecuaciones lineales 15
Ejemplo 16. La matriz
A =
0 −1 −3
1 0 −4
3 4 0
es antisim´etrica, pues AT = −A. Verif´ıquelo.
Ejercicio 27. Construya tres matrices antisim´etricas.
Ejercicio 28. Para que una matriz sea antisim´etrica, ¿cu´al o cu´ales de las defi-
niciones vistas hasta el momento debe cumplir? Justifique su respuesta.
Definici´on 13 (Triangular superior). Una matriz An×n = [aij] es triangular
superior (△S) si aij = 0 ∀ i > j, es decir, si todos los elementos por debajo de
la diagonal principal son ceros.
Ejemplo 17. Las matrices A, B y C son △S:
A =
1 3 0
0 2 −2
0 0 −5
, B =
−3 2 1 4
0 0 0 0
0 0 2 7
0 0 0 5
, C =
c11 c12 · · · · · · c1n
0 c22 · · · · · · c2n
0 0 c33 · · · c3n
...
...
...
...
...
0 0 · · · 0 cnn
.
Ejercicio 29. Construya tres matrices que sean △S.
Ejercicio 30. ¿Es la matriz
O =
0 0 0
0 0 0
0 0 0
.
△S? Justifique su respuesta verbal y matem´aticamente.
Teorema 2 (Suma de matrices triangulares superiores). La suma de dos matri-
ces △S es una matriz △S.
26. 16 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Prueba.
1 Sean An×n = [aij] y Bn×n = [bij] △S, hip´otesis
Para i, j = 1, . . . , n se tiene
2 aij = 0 para i > j, definici´on de △S en 1
3 bij = 0 para i > j, definici´on de △S en 1
4 Sea A + B = C = [cij], suma de matrices
5 cij = aij + bij, por definici´on de suma de matrices
6 cij = 0 para i > j, por 2 y 3 en 5 .
Luego, por 6 , C es △S por definici´on de matriz △S.
Ejercicio 31. Para verificar el teorema 2, invente dos matrices △S y s´umelas.
Ejercicio 32. Probar que la resta de dos matrices △S es una matriz △S.
Definici´on 14 (Triangular inferior). Una matriz An×n = [aij] es triangular
inferior (△I) si aij = 0 ∀ i < j, es decir, si todos los elementos por encima de la
diagonal principal son ceros.
Ejemplo 18. Las matrices A, B y C son △I
A =
5 0 0
−2 2 0
3 7 4
, B =
4 0 0 0
0 3 0 0
0 0 2 0
0 0 0 1
, C =
c11 0 · · · · · · 0
c12 c22 · · · · · · 0
...
...
...
...
...
...
... 0
cn1 cn2 · · · · · · cnn
.
Observe que B tambi´en es △S.
Ejercicio 33. Construya tres matrices que sean △I.
Ejercicio 34. ¿Es la matriz
O =
0 0 0
0 0 0
0 0 0
△I? Justifique su respuesta verbal y matem´aticamente.
27. Matrices y sistemas de ecuaciones lineales 17
Ejercicio 35. ¿Es
On×n =
0 0 · · · · · · 0
0 0 · · · · · · 0
...
...
...
...
...
...
... 0
0 0 · · · · · · 0
△I, es △S? Justifique sus respuestas verbal y matem´aticamente.
Ejercicio 36.
1. Probar que la suma de dos matrices △I es una matriz △I.
2. Probar que la resta de dos matrices △I es una matriz △I.
Ejercicio 37. Para verificar las pruebas realizadas en el ejercicio 36, invente dos
matrices △S de tama˜no cinco por cinco. S´umelas y luego r´estelas.
Si se le dificulta realizar el ejercicio 36, primero realice al menos tres veces el
ejercicio 37.
Teorema 3 (Matriz diagonal). Si una matriz es al mismo tiempo △S y △I,
entonces es una matriz diagonal.
Prueba.
1 Sea A = [aij] △S y △I, hip´otesis
Para i, j = 1, . . . , n se tiene
2 aij = 0 para i > j, por A ser △S
3 aij = 0 para i < j, por A ser △I
4 aij = 0 para i = j, por 2 y 3 .
Luego, por 4 y definici´on de matriz diagonal, A es diagonal.
Ejercicio 38. Invente dos matrices que sean △S y △I al mismo tiempo. S´umelas.
El resultado debe ser una matriz diagonal de acuerdo al teorema 3.
Ejercicio 39. De los ejercicios propuestos en esta secci´on, entregue en forma
escrita, a su docente, aquellos que ´el le indique.
28. 18 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
1.2 Multiplicaci´on de matrices
La multiplicaci´on de matrices es una operaci´on efectuada entre dos matrices
de acuerdo a reglas que aprenderemos en la presente secci´on. Viene dada por
un algoritmo de f´acil implementaci´on en un computador. Es muy ´util para la
soluci´on de sistemas de ecuaciones de muchas variables. Tiene aplicaciones en el
c´alculo num´erico, al igual que poderosas aplicaciones como diversos programas
matem´aticos. Actualmente se utiliza mucho en el c´alculo de microarrays y en el
´area de la bioinform´atica.
Definici´on 15 (Vector). Por ahora, definiremos vector como una matriz de n
filas y una columna. Denotaremos a los vectores con letras min´usculas con una
flecha encima, por ejemplo, u = [ui], con i = 1, . . . , n.
Ejemplo 19. Son vectores
u =
5
3
−1
0
, v =
7
4
, w =
1
−3
−7
.
Ejercicio 40. Escriba 10 vectores de diferentes tama˜nos.
Definici´on 16 (Producto escalar). Dados dos vectores
u =
u1
u2
...
un
y v =
v1
v2
...
vn
,
definimos su producto escalar como u·v = u1v1 +u2v2 +· · · +unvn = n
i=1 uivi,
es decir, para encontrar el producto escalar entre dos vectores, estos deben ser de
igual tama˜no y el resultado es un escalar que se obtiene al sumar los resultados
de las multiplicaciones efectuadas componente a componente.
Ejemplo 20. Sean los vectores
u =
4
−3
−1
7
y v =
1
0
−2
1
,
29. Matrices y sistemas de ecuaciones lineales 19
entonces su producto escalar es u·v = 4×1+(−3)×0+(−1)×(−2)+7×1 = 13.
Ejercicio 41. Encontrar el producto escalar de
u =
2
5
−1
3
y v =
4
−2
−2
3
.
Respuesta: 9.
Ejercicio 42. Construya tres pares de vectores y encuentre el producto escalar
de cada par.
Teorema 4 (Algunas propiedades del producto escalar). Dados a, b y c, n-
vectores, y k un escalar, entonces:
1. a · b = b · a (conmutatividad).
2. (a + b) · c = a · c + b · c (distributividad).
3. (ka) · b = a · (kb) = k(a · b) (asociatividad).
4. a · a 0 (positividad).
5. a · a = 0 si y solo si a = 0.
6. a · 0 = 0.
Prueba de 1.
1 Sean a = [ai] y b = [bi] n-vectores, hip´otesis
2 a · b = a1b1 + a2b2 + · · · + anbn, definici´on de producto escalar
3 = b1a1 + b2a2 + · · · + bnan, conmutatividad en R
4 = b · a, definici´on de producto escalar.
Luego a · b = b · a por 2 a 4 .
Ejemplo 21. Dados los vectores
a =
4
−3
1
0
y b =
1
−1
−2
1
,
30. 20 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
entonces
a · b = 4 × 1 + (−3) × (−1) + 1 × (−2) + 0 × 1 = 5 y
b · a = 1 × 4 + (−1) × (−3) + (−2) × 1 + 1 × 0 = 5 ,
por lo tanto se verifica que a · b = b · a.
Ejercicio 43. Para cada par de vectores de los que invent´o en el ejercicio 42,
verifique la parte 1 del teorema 4.
Prueba de 2.
1 Sean a = [ai], b = [bi] y c = [ci] n-vectores, hip´otesis
2 (a + b) · c = (a1 + b1)c1 + (a2 + b2)c2 + · · · + por suma de vectores
(an + bn)cn, y producto escalar
3 = a1c1 + b1c1 + a2c2 + b2c2 + · · · +
ancn + bncn, distributividad en R
4 = (a1c1 + a2c2 + · · · + ancn)+
(b1c1 + b2c2 + · · · + bncn), conmutatividad en R
5 = a · c + b · c, producto escalar.
Luego (a + b) · c = a · c + b · c por 2 a 5 .
Ejemplo 22. Dados los vectores
a =
4
−3
1
0
, b =
1
−1
−2
1
y c =
−1
2
3
−1
,
entonces
(a + b) · c =
4
−3
1
0
+
1
−1
−2
1
·
−1
2
3
−1
31. Matrices y sistemas de ecuaciones lineales 21
=
5
−4
−1
1
·
−1
2
3
−1
= (−5) × 1 + (−4) × 2 + (−1) × 3 + 1 × (−1) = −17
y
a · c + b · c =
4
−3
1
0
·
−1
2
3
−1
+
1
−1
−2
1
·
−1
2
3
−1
= [4 × (−1) + (−3) × 2 + 1 × 3 + 0 × (−1)]+
[1 × (−1) + (−1) × 2 + (−2) × 3 + 1 × (−1)]
= (−7) + (−10) = −17 .
Por lo tanto se verifica que (a + b) · c = a · c + b · c.
Ejercicio 44. Dados los vectores
a =
1
−2
2
3
, b =
3
0
−2
1
y c =
−3
2
1
0
,
realizar primero (a + b) · c y luego a · c + b · c.
Ejercicio 45. Elaborar la prueba de la parte 3 e inventar un ejercicio que veri-
fique este numeral.
Ejercicio 46. Elaborar las pruebas de las partes 4,5 y 6 e inventar un ejercicio
que verifique cada numeral.
Definici´on 17 (Multiplicaci´on de matrices). Sean Am×p = [aik] y Bp×n = [bkj],
su producto es AB = Cm×n = [cij] donde cada cij = ai1b1j +ai2b2j +· · ·+aipbpj =
p
k=1 aikbkj, es decir, cada cij es la multiplicaci´on escalar entre la fila i de la
primera matriz y la columna j de la segunda matriz.
32. 22 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Para multiplicar dos matrices lo que primero se debe verificar es que el n´umero
de columnas de la primera matriz debe ser igual al n´umero de filas de la segunda
matriz; si son iguales, entonces, para hallar la matriz C resultante, cuyo tama˜no
es el n´umero de filas de la primera matriz por el n´umero de columnas de la
segunda matriz, procedemos de la siguiente forma:
1. El elemento c11 es igual al producto escalar entre la fila 1 de la primera
matriz y la columna 1 de la segunda matriz.
2. El elemento c12 es igual al producto escalar entre la fila 1 de la primera
matriz y la columna 2 de la segunda matriz.
3. El elemento c13 es igual al producto escalar entre la fila 1 de la primera
matriz y la columna 3 de la segunda matriz.
4. Y as´ı sucesivamente hallamos la primera fila de C.
Ahora:
5. El elemento c21 es igual al producto escalar entre la fila 2 de la primera
matriz y la columna 1 de la segunda matriz.
6. El elemento c22 es igual al producto escalar entre la fila 2 de la primera
matriz y la columna 2 de la segunda matriz.
7. El elemento c23 es igual al producto escalar entre la fila 2 de la primera
matriz y la columna 3 de la segunda matriz.
8. Y as´ı sucesivamente hallamos la segunda fila de C.
9. En forma similar a como hallamos las primeras dos filas, determinamos las
siguientes filas.
Ejemplo 23. Dadas
A2×3 =
1 −3 5
2 2 −1
y B3×2 =
1 2
0 3
1 4
,
encontrar AB.
Soluci´on. Primero verificamos que la multiplicaci´on se pueda realizar, es decir,
que el n´umero de columnas de la primera matriz, A, sea igual al n´umero de filas
de la segunda matriz, B: para este caso es tres, luego, s´ı se puede realizar el
producto.
35. Matrices y sistemas de ecuaciones lineales 25
Ejercicio 48. Dadas
A =
1 −2 5
3 4 2
1 3 3
, B =
2 6 −4
4 2 1
5 −3 0
y C =
2 −1
3 0
−4 1
,
encontrar (A + B)C.
Respuesta:
14 −2
20 −4
0 −3
.
Ejemplo 26. La microempresa de manillas Macaos, entre otros, fabrica dos
tipos de manillas: la manilla sencilla (ms) y la manilla especial (me). Para cada
ms emplea 20 cent´ımetros de hilo (h), un dije (d) y 5 minutos de mano de obra
(o); para cada me emplea 30 cent´ımetros de hilo, 2 dijes y 10 minutos de mano
de obra.
Ambos productos son elaborados en dos lugares diferentes: la ciudad (c) y el
pueblo (p). El costo de cada cent´ımetro de hilo en la ciudad es de $10, cada dije
$200 y la mano de obra tiene un costo de $50 el minuto. Los costos respectivos
en el pueblo son: $15, $250 y $40.
La gerente de Macaos desea saber los costos de cada manilla en cada lugar
de producci´on.
Soluci´on. Si representemos, mediante una matriz las componentes de cada ma-
nilla:
h d o
A =
ms
me
20 1 5
30 2 10
y mediante otra matriz los costos de cada componente por sucursal
c p
B =
h
d
o
10 15
200 250
50 40
,
36. 26 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
entonces,
c p
A × B =
ms
me
650 750
1200 1350
.
Lo anterior significa que el valor de producci´on de una manilla sencilla en la
ciudad es de $650, mientras que en el pueblo es de $750. Y que el valor de
producci´on de una manilla especial en la ciudad es de $1200, y en el pueblo es
de $1350.
Ejemplo 27 (Contacto con una enfermedad contagiosa). Suponga que tres in-
dividuos han contra´ıdo una enfermedad. Este grupo entra en contacto con cinco
personas de un segundo grupo y algunos de primer grupo contagian a algunos
del segundo grupo. Estos contagios, llamados contagios directos, se representan
en la matriz A3×5
A =
0 1 1 0 1
0 0 0 0 1
1 1 0 0 1
,
donde aij = 1 si la i-´esima persona del primer grupo contagia a la j-´esima persona
del segundo grupo. Por ejemplo, a1,2 = 1 significa que la primera persona del
primer grupo contagi´o a la segunda persona del segundo grupo.
Ahora suponga que un tercer grupo de cuatro personas tiene varios contactos
directos con individuos del segundo grupo y algunos son infectados. Esto es
representado mediante la matriz
B =
0 1 1 0
1 0 1 0
0 1 1 0
0 0 0 0
1 0 0 1
,
donde bij = 1 significa que la i-´esima persona del segundo grupo infect´o a la
j-´esima persona del tercer grupo. Por ejemplo, b5,1 = 1 significa que la quinta
persona del segundo grupo (infectada) entr´o en contacto con la primera persona
del tercer grupo y la infect´o.
37. Matrices y sistemas de ecuaciones lineales 27
Los contagios indirectos o de segundo orden entre individuos del primero y
tercer grupos se representan mediante la matriz C = (AB)3×4. Para ver esto,
observe que una persona del grupo 3 puede quedar contagiada por alguien del
grupo 2, quien a su vez fue contagiada por alguien del grupo 1. Por ejemplo,
como a12 = 1 y b23 = 1, entonces la tercera persona del grupo 3 obtuvo contagio
(a trav´es de la segunda persona del grupo 2) con la primera persona del grupo
1. El n´umero total de contagios indirectos entre la primera persona del grupo 1
y la tercera persona del grupo 3 est´a dado por
c13 = a11b13 + a12b23 + a13b33 + a14b43 + a15b53
= 0 × 1 + 1 × 1 + 1 × 1 + 0 × 0 + 1 × 0
= 2 .
Ahora, la matriz de contagios indirectos es
C = AB =
2 1 2 1
1 0 0 1
2 1 2 1
−
Observe que todas las persona del grupo 3 tienen contagios indirectos con la
enfermedad. La tercera persona de este grupo tiene 4 contagios indirectos.
Ejercicio 49 (Transmisi´on de datos). En las comunicaciones actuales la trans-
misi´on de datos se realiza mediante el env´ıo de grupos de bits, unos y ceros,
llamados palabras. A veces, durante las transmisiones ocurren errores, por ejem-
plo, el emisor env´ıa la palabra 0100, pero se recibe 0101. Para solucionar el
problema existen c´odigos correctores, por ejemplo, para enviar 0100 se env´ıa
0100101. Suponga que el receptor recibe 0101101, entonces, de alguna forma, ´el
sabe que hay un error, pues esta ´ultima palabra no hace parte de su acervo. El re-
ceptor, mediante alg´un algoritmo, determina que la palabra correcta es 0100101
y, entonces, toma los primeros cuatro bits 0100.
Suponga que se desea transmitir palabras de cuatro bits, es decir, las siguien-
tes:
0000 0001 0010 0011 0100 0101 0110 0111
1000 1001 1010 1011 1100 1101 1110 1111 .
Encontrar las palabras correspondientes de siete bits que deben ser transmi-
tidas para que el receptor determine si la palabra recibida es correcta o no. Para
38. 28 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
ello realice la multiplicaci´on de matrices
[x1 x2 x3 x4]
1 0 0 0 0 1 0
0 1 0 0 1 0 1
0 0 1 0 1 1 0
0 0 0 1 1 1 1
,
donde [x1 x2 x3 x4] es la palabra de cuatro bits a ser transmitida.
Nota. Sume en binario m´odulo dos, es decir, 0 + 0 = 0, 0 + 1 = 1, 1 + 0 = 1,
1 + 1 = 0.
Ejercicio 50. De los ejercicios propuestos en esta secci´on, entregue en forma
escrita, a su docente, aquellos que ´el le indique.
1.3 Propiedades de las operaciones con matrices
Teorema 5 (De la suma). Sean A, B, C matrices de tama˜no m × n, entonces
1. A + B = B + A (conmutatividad).
2. A + (B + C) = (A + B) + C (asociatividad).
3. Existe una ´unica matriz Om×n tal que A + O = O + A = A (matriz nula).
4. Para toda matriz Am×n existe una ´unica matriz Dm×n tal que A + D = O.
Tal matriz la escribiremos como −A y la llamaremos la inversa aditiva de
A. Entonces A + (−A) = O.
Probaremos la asociatividad.
Prueba.
1 A = [aij], B = [bij], C = [cij] ∈ Mm×n, hip´otesis
2 A + (B + C) = D = [dij] ∈ Mm×n, suma de matrices
Ahora, para i = 1, . . . , m y j = 1, . . . , n
3 dij = aij + (bij + cij) def. de suma de matrices
4 = (aij + bij) + cij asociatividad en R
5 D = (A + B) + C, de 3 y 4 .
Luego, A + (B + C) = (A + B) + C por 2 a 5 .
39. Matrices y sistemas de ecuaciones lineales 29
Ejercicio 51. Pruebe que A + B = B + A.
Ejercicio 52. Realice dos ejemplos de cada una de las propiedades del teorema
5. Recuerde que los ejemplos sirven para verificar, mas no para probar.
Teorema 6 (De la multiplicaci´on). Sean las matrices A, B y C de los tama˜nos
apropiados. Entonces:
1. A(BC) = (AB)C (asociatividad).
2. A(B + C) = AB + AC (distributividad a la izquierda).
3. (A + B)C = AC + BC (distributividad a la derecha).
Probaremos A(B + C) = AB + AC.
Prueba.
1 Sea A = [aij] ∈ Mm×p, hip´otesis
2 B = [bij] y C = [cij] ∈ Mp×n, hip´otesis
3 A(B + C) = D = [dij] ∈ Mm×n, suma y multiplicaci´on de matrices
Ahora, para i = 1, . . . , m y j = 1, . . . , n
4 dij =
p
k=1
aik(bkj + ckj) definici´on de suma y
multiplicaci´on de matrices
5 =
p
k=1
(aikbkj + aikckj), distributividad en R
6 =
p
k=1
aikbkj +
p
k=1
aikckj, propiedad de sumatoria
7 D = AB + AC, definici´on de multiplicaci´on de matrices.
Luego A(B + C) = AB + AC, por 3 a 7 .
Ejercicio 53 (Distributividad). Probar que (A + B)C = AC + BC.
Ejercicio 54. Realice dos ejemplos de cada una de las propiedades del teorema
6. Recuerde que los ejemplos sirven para verificar, mas no para probar.
Teorema 7 (De la multiplicaci´on por un escalar). Sean r, s escalares y A y B
matrices de los tama˜nos adecuados, entonces:
1. r(sA) = (rs)A.
2. (r + s)A = rA + sA.
40. 30 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
3. r(A + B) = rA + rB.
4. A(rB) = r(AB) = (rA)B.
Probaremos r(A + B) = rA + rB.
Prueba.
1 A = [aij], B = [bij] ∈ Mm×n, hip´otesis
2 r es un escalar, hip´otesis
3 r(A + B) = C = [cij] ∈ Mm×n, suma de matrices y
multiplicaci´on por un escalar
Ahora, para i = 1, . . . , m y j = 1, . . . , n
4 cij = r(aij + bij), definici´on de suma de matrices
y multiplicaci´on por un escalar
5 = raij + rbij, distributividad en R
6 C = rA + rB, por 4 y 5 .
Luego, r(A + B) = rA + rB por 3 = 6 .
Ejercicio 55 (Distributividad de la suma de dos escalares por una matriz).
Probar que (r + s)A = rA + sA.
Ejercicio 56. Realice dos ejemplos de cada una de las propiedades del teorema
7. Recuerde que los ejemplos sirven para verificar, mas no para probar.
Ejercicio 57. Si usted tuviese que realizar un algoritmo en el que hay involu-
crada una matriz de 100 millones de entradas y se viese enfrentad@ a realizar
la operaci´on r(sA), ¿realizar´ıa esta operaci´on? O aplicar´ıa la primera propiedad
del teorema 7, r(sA) = (rs)A, para ejecutar (rs)A. Puede justificar su respuesta
sin usar t´erminos matem´aticos.
Teorema 8 (De la transpuesta). Sean r un escalar y A y B matrices de los
tama˜nos apropiados, entonces
1. AT T
= A.
2. (A + B)T = AT + BT .
3. (AB)T = BT AT .
4. (rA)T = rAT .
41. Matrices y sistemas de ecuaciones lineales 31
Ejemplo 28. Dadas
A =
4 0 1
−3 5 0
−1 2 −6
y B =
0 2 3
4 −3 1
2 −1 5
,
verificar (A + B)T = AT + BT .
Soluci´on.
Veamos a qu´e es igual (A + B)T .
(A + B)T
=
4 0 1
−3 5 0
−1 2 −6
+
0 2 3
4 −3 1
2 −1 5
T
=
4 2 4
1 2 1
1 1 −1
T
=
4 1 1
2 2 1
4 1 −1
.
Ahora veamos a qu´e es igual AT + BT .
AT
+ BT
=
4 0 1
−3 5 0
−1 2 −6
T
+
0 2 3
4 −3 1
2 −1 5
T
=
4 −3 −1
0 5 2
1 0 −6
+
0 4 2
2 −3 −1
3 1 5
=
4 1 1
2 2 1
4 1 −1
.
Como (A + B)T = AT + BT , entonces hemos verificado la segunda parte del
teorema 8.
42. 32 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Ejercicio 58. Realice dos ejemplos de cada una de las propiedades del teorema
8. Recuerde que los ejemplos sirven para verificar, mas no para probar.
Ejercicio 59. De los ejercicios propuestos en esta secci´on, entregue en forma
escrita, a su docente, aquellos que ´el le indique.
1.4 Soluci´on de sistemas de ecuaciones lineales
La palabra ecuaci´on proviene del lat´ın aequatio que significa igualdad. Una ecua-
ci´on es una igualdad en la que hay algunas cantidades desconocidas; por ejemplo,
3x + 2y = 5 es una ecuaci´on en la que hay dos inc´ognitas: la x y la y llamadas
variables. La pregunta es, ¿cu´al par de valores satisface la ecuaci´on? Observe que
x = 1 y y = 1 cumplen. ¿Existen otros valores que cumplen esta igualdad? La
respuesta es s´ı, de hecho, en este caso, hay infinitos.
Una ecuaci´on lineal es aquella ecuaci´on donde todas las variables est´an ele-
vadas a la potencia uno. De ecuaciones lineales es sobre lo que hablaremos en
este texto. En general, una ecuaci´on lineal, de n inc´ognitas, se escribe como
a1x1 + a2x2 + · · · + anxn = b, donde los ai son llamados coeficientes, las xi son
las variables y b es el t´ermino independiente.
Ahora, un sistema de ecuaciones lineales es un conjunto finito de ecuaciones
lineales y se escribe como
a11x1 + a12x2 + · · · + a1nxn = b1
a21x1 + a22x2 + · · · + a2nxn = b2
...
...
...
...
am1x1 + am2x2 + · · · + amnxn = bm ,
donde se indica que hay m ecuaciones y n inc´ognitas. Este sistema de ecuaciones
puede ser escrito matricialmente como
a11x1 a12x2 · · · a1nxn
a21x1 a22x2 · · · a2nxn
...
...
...
am1x1 am2x2 · · · amnxn
=
b1
b2
...
bm
,
43. Matrices y sistemas de ecuaciones lineales 33
a11 a12 · · · a1n
a21 a22 · · · a2n
...
...
...
am1 am2 · · · amn
x1
x2
...
xn
=
b1
b2
...
bm
,
que en forma abreviada se representa como
Ax = b .
La matriz A es llamada matriz de coeficientes. Adem´as, al agregar el vector b a
la matriz A obtenemos la matriz aumentada
A
... b =
a11 a12 · · · a1n
... b1
a21 a22 · · · a2n
... b2
...
...
...
...
...
am1 am2 · · · amn
... bm
.
Ejemplo 29. El sistema lineal
7x1 + 4x2 − 3x3 = 8
5x1 − 2x2 + x3 = 4
6x1 − 3x2 + 6x3 = 9
puede ser representado matricialmente como
7 4 −3
5 −2 1
6 −3 6
x1
x2
x3
=
8
4
9
,
donde su matriz aumentada es
7 4 −3
... 8
5 −2 1
... 4
6 −3 6
... 9
.
44. 34 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Definici´on 18 (Matriz escalonada reducida). Una matriz Am×n est´a en forma
escalonada reducida por filas si cumple las siguientes caracter´ısticas:
1. Si existen filas de ceros (filas nulas), estas se encuentran en la parte inferior
de la matriz.
2. En las filas no nulas, el primer n´umero no nulo es un uno. Y, antes de ´el,
si hay n´umeros, son ceros. Este uno es llamado uno principal o pivote.
3. Cuando en una fila hay un uno principal, este se encuentra abajo y a la
derecha de los otros unos principales superiores.
4. Si una fila contiene un uno principal, entonces los dem´as elementos de la
correspondiente columna son ceros.
Una matriz Am×n que satisface las tres primeras propiedades es llamada escalo-
nada por filas.
Ejemplo 30. Las matrices
A =
1 0 0
0 1 0
0 0 1
, B =
1 0 −3
0 1 0
0 0 0
y C =
1 0 0 0 −6
0 0 1 0 7
0 0 0 1 0
est´an en forma escalonada reducida por filas.
Las matrices
A =
1 0 −4
0 1 0
0 0 1
, B =
1 3 3
0 1 0
0 0 0
y C =
1 0 3 −2 4
0 0 1 0 −1
0 0 0 1 0
est´an en forma escalonada por filas.
Nota. Las definiciones y operaciones que se realicen con las filas tambi´en se
pueden realizar con las columnas en forma similar. Para simplificar, solo traba-
jaremos con filas.
Definici´on 19 (Operaciones elementales fila). Son tres las operaciones elemen-
tales fila permitidas en las matrices:
1. fi ↔ fj: intercambie las filas i y la j.
45. Matrices y sistemas de ecuaciones lineales 35
2. fi ← cfi: a la fila i as´ıgnele la fila i multiplicada por c, c = 0.
3. fi ← fi + cfj: a la fila i as´ıgnele la fila i m´as c veces la fila j.
Ejemplo 31. Mediante operaciones elementales fila, convierta la matriz aumen-
tada
A
... b =
2 1 1
... 1
2 −1 1
... −3
1 1 −1
... 0
en escalonada reducida.
Soluci´on.
El objetivo es llevar esta matriz a la forma
1 0 0
... a
0 1 0
... b
0 0 1
... c
,
si es posible, o al menos a escalonada. Entonces, por medio de operaciones ele-
mentales fila, tenemos:
f1 ←→ f3
1 1 −1
... 0
2 −1 1
... −3
2 1 1
... 1
f2 ←− f2 −2f1
f3 ←− f3 −2f1
1 1 −1
... 0
0 −3 3
... −3
0 −1 3
... 1
f2 ←− −1
3 f2
1 1 −1
... 0
0 1 −1
... 1
0 −1 3
... 1
f1 ←− f1 −f2
f3 ←− f3 +f2
1 0 0
... −1
0 1 −1
... 1
0 0 2
... 2
f3 ←− 1
2f3
1 0 0
... −1
0 1 −1
... 1
0 0 1
... 1
f2 ←− f2 + f3
1 0 0
... −1
0 1 0
... 2
0 0 1
... 1
.
46. 36 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Nota. siempre determine un uno principal como pivote y realice las operaciones
elementales fila alrededor de ´el. No hacerlo puede generar errores como
1 1 1
... 3
1 3 1
... 5
1 4 1
... 6
f2 ←− f2 −f3
f3 ←− f3 −f2
1 1 1
... 3
0 −1 0
... −1
0 1 0
... 1
;
luego, al sumarle a la fila tres la fila dos (f3 ←− f3 + f2), la fila tres queda nula.
Lo que, como veremos m´as adelante, es un error.
¡Atenci´on! No cometa los siguientes errores:
1. Una fila no puede ser multiplicada por cero.
2. A una fila no le reste la misma fila.
3. A una fila no se le puede sumar un escalar.
Ejercicio 60. Dada la matriz aumentada
3 2 1
... 16
2 1 1
... 11
1 3 2
... 19
,
del ejemplo 2, ll´evela a escalonada reducida mediante operaciones elementales
fila.
Respuesta.
1 0 0
... 2
0 1 0
... 3
0 0 1
... 4
.
Definici´on 20 (Matrices equivalentes). Dos matrices Am×n y Bm×n son equi-
valentes si una se puede obtener de la otra por medio de operaciones elementales
fila.
En el ejemplo 31, la matriz A
... b y las siguientes, obtenidas al ejecutar
operaciones elementales fila, son todas equivalentes entre s´ı.
47. Matrices y sistemas de ecuaciones lineales 37
Teorema 9. Toda matriz Am×n es equivalente por filas a una matriz escalonada
por filas.
En el ejemplo 31, la matriz A
... b es equivalente por filas a la pen´ultima
matriz
1 0 0
... −1
0 1 −1
... 1
0 0 1
... 1
,
la cual est´a en forma escalonada.
Teorema 10. Toda matriz Am×n es equivalente por filas a una ´unica matriz
escalonada reducida por filas.
En el ejemplo 31, la matriz A
... b es equivalente por filas a la ´ultima matriz
1 0 0
... −1
0 1 0
... 2
0 0 1
... 1
,
la cual est´a en forma escalonada reducida. Adem´as, gracias al teorema 10, po-
demos asegurar que esta es la ´unica matriz escalonada reducida equivalente por
filas a la matriz A
... b , es decir, no existe otra.
Teorema 11. Dados dos sistemas lineales Ax = b y Cx = d, cada uno con
m ecuaciones y n inc´ognitas. Si las matrices aumentadas A
...b y C
...d son
equivalentes por filas, entonces los dos sistemas tienen la misma soluci´on.
Ejemplo 32. En el ejemplo 31, la matriz aumentada A
... b y la ´ultima matriz
aumentada, equivalente por filas, representan dos sistemas lineales diferentes que
tienen exactamente la misma soluci´on, es decir,
2 1 1
... 1
2 −1 1
... −3
1 1 −1
... 0
y
1 0 0
... −1
0 1 0
... 2
0 0 1
... 1
48. 38 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
representan los sistemas lineales
2x1 + x2 + x3 = 1 x1 + 0x2 + 0x3 = −1
2x1 − x2 + x3 = −3 y 0x1 + x2 + 0x3 = 2
x1 + x2 − x3 = 0 0x1 + 0x2 + x3 = 1 ,
respectivamente; y aunque ambos sistemas lineales son diferentes, tienen la mis-
ma soluci´on por sus matrices aumentadas ser equivalentes entre s´ı.
El asunto es que del segundo sistema lineal podemos leer directamente la
soluci´on, la cual es
x =
x1
x2
x3
=
−1
2
1
,
que, por tanto, es la soluci´on del primer sistema lineal.
Definici´on 21 (Rango de una matriz). El rango de una matriz A es el n´umero
de filas no nulas de la matriz escalonada reducida por filas, B, que es equivalente
a A.
En el ejemplo 31, el rango de A es tres.
Hemos visto que un sistema lineal podemos representarlo en forma matricial.
Si tomamos la matriz aumentada correspondiente a un sistema lineal y la lleva-
mos a su forma escalonada reducida por filas, entonces, de acuerdo al teorema
11, el nuevo sistema, representado por la matriz escalonada reducida por filas,
tendr´a exactamente la misma soluci´on que el sistema original.
Para solucionar sistemas lineales la idea es tomar su matriz aumentada y
llevarla a escalonada reducida. En esta ´ultima es posible leer la soluci´on del
sistema directamente. Este m´etodo se denomina reducci´on de Gauss–Jordan. Si
la matriz aumentada solo se lleva a escalonada, entonces el m´etodo es denominado
eliminaci´on de Gauss. Veamos varios ejemplos.
Ejemplo 33 (Gauss–Jordan). Determinar los valores de x1, x2 y x3 que solu-
cionan el sistema
x1 + x2 − x3 = −1
2x1 − x2 + x3 = 1
−x1 + 2x2 + x3 = 4 .
49. Matrices y sistemas de ecuaciones lineales 39
Soluci´on.
La matriz aumentada correspondiente es
1 1 −1
... −1
2 −1 1
... 1
−1 2 1
... 4
.
El objetivo es llevar esta matriz a la forma
1 0 0
... a
0 1 0
... b
0 0 1
... c
, si es posible.
Entonces por medio de operaciones elementales fila tenemos
f2 ←− f2 −2f1
f3 ←− f3 + f1
1 1 −1
... −1
0 −3 3
... 3
0 3 0
... 3
f2 ←→ f3
1 1 −1
... −1
0 3 0
... 3
0 −3 3
... 3
f2 ←− 1
3 f2
f3 ←− 1
3 f3
1 1 −1
... −1
0 1 0
... 1
0 −1 1
... 1
f1 ←− f1 +f3
f3 ←− f3 +f2
1 0 0
... 0
0 1 0
... 1
0 0 1
... 2
.
Luego, la soluci´on del sistema es
x =
x1
x2
x3
=
0
1
2
.
Para verificar el resultado se reemplazan los valores de x1, x2 y x3 en las
ecuaciones originales.
Note que el rango de la matriz aumentada es tres y que el rango de la matriz
de coeficientes tambi´en es tres.
Ejercicio 61. Determinar los valores de x1, x2 y x3 que solucionan el sistema
x1 − x2 + x3 = 2
2x1 − 3x2 + x3 = −1
2x2 + x3 = 7 .
Respuesta.
51. Matrices y sistemas de ecuaciones lineales 41
De lo anterior se obtiene que el sistema tiene infinitas soluciones. Para verificar
el resultado se reemplazan los valores de x1, x2 y x3 en las ecuaciones originales.
Note que el rango de la matriz aumentada es dos y que el rango de la matriz
de coeficientes tambi´en es dos.
Ejercicio 62. Determinar los valores de x1, x2 y x3 que solucionan el sistema
x1 − x2 + x3 = 1
2x1 − 3x2 + x3 = −1
4x1 − 5x2 + 3x3 = 1 .
Respuesta.
x =
x1
x2
x3
=
4 − 2r
3 − r
r
, con r ∈ R.
Ejemplo 35 (Gauss–Jordan). Encontrar los valores de x1, x2 y x3 que solucio-
nan el sistema
3x1 + x2 + 2x3 = 13
x2 − x3 = −5
x1 + x3 = 10 .
Soluci´on.
Reorganizando el sistema se tiene
3x1 + x2 + 2x3 = 13
0x1 + x2 − x3 = −5
x1 + 0x2 + x3 = 10 .
La matriz aumentada es
3 1 2
... 13
0 1 −1
... −5
1 0 1
... 10
.
52. 42 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Entonces, por medio de operaciones elementales fila, tenemos
f1 ←→ f3
1 0 1
... 10
0 1 −1
... −5
3 1 2
... 13
f3 ←− f3 − 3f1
1 0 1
... 6
0 1 −1
... −5
0 1 −1
... −17
f3 ←− f3 − f2
1 0 1
... 6
0 1 −1
... −5
0 0 0
... −12
f3 ←− −
1
12
f3
1 0 1
... 6
0 1 −1
... −5
0 0 0
... 1
f1 ←− f1 −6f3
f2 ←− f2 +5f3
1 0 1
... 0
0 1 −1
... 0
0 0 0
... 1
.
De la tercera fila obtenemos que 0x1 + 0x2 + 0x3 = 1, lo cual es absurdo; luego
el sistema no tiene soluci´on.
Note que el rango de la matriz aumentada es tres, pero que el rango de la
matriz de coeficientes es dos.
Ejercicio 63. Determinar los valores de x1, x2 y x3 que solucionan el sistema
x1 − x2 + x3 = 1
2x1 − 3x2 + x3 = −1
4x1 − 5x2 + 3x3 = 3 .
Respuesta. Al realizar varias operaciones elementales fila sobre la matriz au-
mentada correspondiente, obtenemos que 0x1 +0x2 +0x3 = 2, lo cual es absurdo;
luego el sistema no tiene soluci´on.
Ejemplo 36 (Gauss–Jordan). Encontrar los valores de x1, x2, x3 y x4 que
solucionan el sistema
2x1 − x2 + x3 = −1
4x2 − x3 + x4 = 9
x3 + x1 = 0
x1 + x2 + x3 + x4 = 2 .
54. 44 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Para verificar se reemplazan los valores de x1, x2, x3 y x4 en las ecuaciones
originales.
Note que el rango de la matriz aumentada es cuatro y que el rango de la
matriz de coeficientes tambi´en es cuatro.
Ejercicio 64 (Gauss–Jordan: circuitos el´ectricos). Un circuito el´ectrico sencillo
est´a constituido por bater´ıas ( - +
), resistencias ( ) y cables el´ectricos (—)
que los unen. La figura 1.3 ilustra un circuito el´ectrico
I1
I2
I3
V: voltios
Ω: ohmios
I: intensidad
- +
- +
Figura 1.3: circuito el´ectrico
Se desea saber cu´ales son las intensidades I1, I2 e I3 (en amperios) que cir-
culan por los cables. Para ello, mediante la ley de voltaje y ley de intensidad,
ambas de Kirchhoff, se ha determinado que I1, I2 e I3 satisfacen
I1 + I2 − I3 = 1
I1 − 2I2 = −1
I2 + 3I3 = 4 .
Mediante el m´etodo de Gauss–Jordan, determinar los valores de las tres in-
tensidades de corriente.
Respuesta.
I =
I1
I2
I3
=
1
1
1
.
Teorema 12 (Rouch´e-Fr¨obenius). Un sistema de m ecuaciones lineales y n
inc´ognitas, Ax = b, tiene soluci´on si y solo si el rango de A es igual al rango de
A
... b .
55. Matrices y sistemas de ecuaciones lineales 45
1. Si el rango de A es igual al rango de A
... b y es igual a n, entonces la
soluci´on es ´unica. Observe el ejemplo 33.
2. Si el rango de A es igual al rango de A
... b y es menor que n, entonces
existen infinitas soluciones. Observe el ejemplo 34.
3. Si el rango de A es diferente del rango de A
... b , entonces el sistema no
tiene soluci´on. Observe el ejemplo 35.
Ejemplo 37 (Gauss–Jordan). Determinar los valores de ‘a’ y ‘b’ de tal forma
que el sistema
2x1 + 2x2 + ax3 = b − 4
x1 + x2 − 2x3 = 0
x1 + 2x2 + x3 = 0 :
1. No tenga soluci´on. Explicar porqu´e.
2. Tenga infinitas soluciones, explicar porqu´e. Encontrar las soluciones.
3. Tenga soluci´on ´unica, explicar porqu´e. Determinar alguna soluci´on.
Soluci´on. La correspondiente matriz aumentada y la soluci´on, a continuaci´on
2 2 a
... b − 4
1 1 −2
... 0
1 2 1
... 0
f1 ←→ f3
1 2 1
... 0
1 1 −2
... 0
2 2 a
... b − 4
f2 ← f2 − f1
f3 ← f3−2f1
1 2 1
... 0
0 −1 −3
... 0
0 −2 a − 2
... b − 4
f1 ← f1 + 2f2
f2 ← (−1)f2
f3 ← f3 − 2f2
1 0 −5
... 0
0 1 3
... 0
0 0 a + 4
... b − 4
.
Entonces:
1. Con a = −4 y b = 4, por ejemplo b = 0, el sistema no tiene soluci´on.
2. Con a = −4 y b = 4 el sistema tiene infinitas soluciones.
56. 46 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
3. Con a = −4, por ejemplo, a = 1 y b = −1, el sistema tiene una ´unica
soluci´on.
Veamos
1. No tenga soluci´on
Si a = −4 y b = 0, entonces
1 0 −5
... 0
0 1 3
... 0
0 0 0
... −4
f3 ← −1
4 f3
1 0 −5
... 0
0 1 3
... 0
0 0 0
... 1
De la fila 3 se observa que 0 = 1, lo cual es un absurdo, por lo tanto el
sistema no tiene soluci´on.
Adem´as, observe que el rango de A es dos y el de A
... b es tres, por lo
tanto, el sistema no tiene soluci´on por el teorema 12.
2. Infinitas soluciones
Si a = −4 y b = 4, entonces
1 0 −5
... 0
0 1 3
... 0
0 0 0
... 0
.
De donde obtenemos las ecuaciones
⇒
x1 − 5x3 = 0
x2 + 3x3 = 0 .
Lo que implica: x1 = 5x3 y x2 = −3x3. Ahora, si x3 = r ∈ R, entonces
x1 = 5r y x2 = −3r. Luego,
x =
x1
x2
x3
=
5r
−3r
r
.
Observe que el rango de A es igual al de A
... b (dos), pero es menor que la
cantidad de inc´ognitas (tres); lo que implica infinitas soluciones de acuerdo
al teorema 12.
57. Matrices y sistemas de ecuaciones lineales 47
3. Soluci´on ´unica
Si a = −3 y b = 5, entonces tenemos
1 0 −5
... 0
0 1 3
... 0
0 0 1
... 1
f1 ←− f1 +5f3
f2 ←− f2 −3f3
1 0 0
... 5
0 1 0
... −3
0 0 1
... 1
.
Luego, la soluci´on del sistema es
x =
x1
x2
x3
=
5
−3
1
Observe que el rango de A es igual al de A
... b y tambi´en es igual a la
cantidad de inc´ognitas (tres), lo que implica soluci´on ´unica de acuerdo al
teorema 12.
Ejemplo 38 (Gauss–Jordan). Dado el sistema lineal
x1 + x2 − 2x3 = −2
2x1 + 3x2 − 2x3 = 1
x1 + 3x2 + (a2
− 2)x3 = a + 6 .
Encontrar los valores de a de tal forma que el sistema:
1. No tenga soluci´on, explicar porqu´e.
2. Tenga infinitas soluciones, explicar porqu´e. Determinar los valores de x1,
x2 y x3.
3. Tenga soluci´on ´unica, explicar porqu´e. Determinar los valores de x1, x2 y
x3 para alg´un a.
Soluci´on.
La matriz aumentada es
1 1 −2
... −2
2 3 −2
... 1
1 3 a2 − 2
... a + 6
,
58. 48 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
entonces
f2 ← f2−2f1
f3 ← f3 − f1
1 1 −2
... −2
0 1 2
... 5
0 2 a2
... a + 8
f1 ← f1 − f2
f3 ← f3−2f2
1 0 −4
... −7
0 1 2
... 5
0 0 a2 − 4
... a − 2
.
Para que el sistema:
1. No tenga soluci´on.
Con a = −2, tenemos
1 0 −4
... −7
0 1 2
... 5
0 0 0
... −4
f3 ← −1
4 f3
1 0 −4
... −7
0 1 2
... 5
0 0 0
... 1
f2 ← f2−5f3
f1 ← f1+7f3
1 0 −4
... 0
0 1 2
... 0
0 0 0
... 1
.
Observe que el rango de A es dos y el de A
... b es tres, por lo tanto, el
sistema no tiene soluci´on por el teorema 12.
Adem´as, de la fila 3 se observa que 0 = 1, lo cual es un absurdo, por lo
tanto el sistema no tiene soluci´on.
2. Infinitas soluciones.
Con a = 2, tenemos
1 0 −4
... −7
0 1 2
... 5
0 0 0
... 0
,
De donde se obtiene x1 − 4x3 = −7 y x2 + 2x3 = 5. Ahora, si x3 = r ∈ R,
entonces x1 = 4r − 7 y x2 = 5 − 2r. Luego,
x =
x1
x2
x3
=
4r − 7
5 − 2r
r
.
59. Matrices y sistemas de ecuaciones lineales 49
Observe que el rango de A es igual al de A
... b (dos), pero es menor que
la cantidad de inc´ognitas (tres), lo que implica infinitas soluciones por el
teorema 12.
3. Soluci´on ´unica.
Con a = ±2 tenemos una ´unica soluci´on, pues en la tercera fila no tendr´ıamos
una inconsistencia como con a = −2 y tampoco se anular´ıa la fila como
con a = 2; por ejemplo, con a = −1 tenemos
1 0 −4
... −7
0 1 2
... 5
0 0 −3
... −3
f3 ← (−1
3)f3
1 0 −4
... −7
0 1 2
... 5
0 0 1
... 1
f1 ← f1 + 4f3
f2 ← f2 − 2f3
1 0 0
... −3
0 1 0
... 3
0 0 1
... 1
.
Entonces, la soluci´on del sistema es
x =
x1
x2
x3
=
−3
3
1
.
Observe que el rango de A es igual al de A
... b y es igual al n´umero de
inc´ognitas (tres); lo que implica una ´unica soluci´on por el teorema 12.
Ejemplo 39. Encontrar los valores de a de tal forma que el sistema
x1 + x2 + x3 = 2
2x1 + 3x2 + 3x3 = 3
3x1 + 3x2 + (a2
+ 2)x3 = a + 5 .
1. No tenga soluci´on, explicar porqu´e.
2. Tenga infinitas soluciones, explicar porqu´e. Determinar los valores de x1,
x2 y x3.
60. 50 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
3. Tenga soluci´on ´unica, explicar porqu´e. Determinar los valores de x1, x2 y
x3 para alg´un a.
Soluci´on.
La matriz aumentada es
1 1 1
... 2
2 3 3
... 3
3 3 a2 + 2
... a + 5
,
entonces
f2 ← f2−2f1
f3 ← f3−3f1
1 1 1
... 2
0 1 1
... −1
0 0 a2 − 1
... a − 1
f1 ← f1 − f2
1 0 0
... 3
0 1 1
... −1
0 0 (a − 1)(a + 1)
... a − 1
.
Para que el sistema:
1. No tenga soluci´on.
Con a = −1, tenemos
1 0 0
... 3
0 1 1
... −1
0 0 0
... −2
f3 ← −1
2 f3
1 0 0
... 3
0 1 1
... −1
0 0 0
... 1
f2 ← f2 + f3
f1 ← f1−3f3
1 0 0
... 0
0 1 1
... 0
0 0 0
... 1
.
Observe que el rango de A es dos y el de A
... b es tres, por lo tanto, el
sistema no tiene soluci´on por el teorema 12.
61. Matrices y sistemas de ecuaciones lineales 51
Adem´as, de la fila 3 se observa que 0 = 1, lo cual es un absurdo, por lo
tanto el sistema no tiene soluci´on.
2. Infinitas soluciones.
Con a = 1, tenemos
1 0 0
... 3
0 1 1
... −1
0 0 0
... 0
,
De donde se obtiene x1 = 3 y x2 +x3 = −1. Ahora, si x3 = r ∈ R, entonces
x2 = −1 − r. Luego,
x =
x1
x2
x3
=
3
−1 − r
r
.
Observe que el rango de A es igual al de A
... b (dos), pero es menor que
la cantidad de inc´ognitas (tres), lo que implica infinitas soluciones por el
teorema 12.
3. Soluci´on ´unica.
Con a = ±1 tenemos una ´unica soluci´on, pues en la tercera fila no tendr´ıamos
una inconsistencia como con a = −1 y tampoco se anular´ıa la fila como
con a = 1; por ejemplo, con a = 0 tenemos
1 0 0
... 3
0 1 1
... −1
0 0 −1
... −1
f3 ← −f3
f2 ← f2 + f3
1 0 0
... 3
0 1 0
... −2
0 0 1
... 1
.
Entonces, la soluci´on del sistema es
x =
x1
x2
x3
=
3
−2
1
.
62. 52 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Observe que el rango de A es igual al de A
... b y es igual al n´umero de
inc´ognitas (tres); lo que implica una ´unica soluci´on por el teorema 12.
Ejercicio 65. Encontrar los valores de a de tal forma que el sistema:
x1 + x2 − x3 = 2
x1 − x2 + 3x3 = 4
x1 + x2 + (a2
− 5)x3 = a .
1. No tenga soluci´on, explicar porqu´e.
2. Tenga infinitas soluciones, explicar porqu´e. Determinar los valores de x1,
x2 y x3.
3. Tenga soluci´on ´unica, explicar porqu´e. Determinar los valores de x1, x2 y
x3 para alg´un a.
Respuesta. Con a = −2 no hay soluci´on; con a = 2 se obtienen infinitas solu-
ciones de la forma (x)T = [3 − s, −1 + 2s, s], s ∈ R; y con a = ±2 se obtiene una
´unica soluci´on, por ejemplo, con a = 0 se obtiene (x)T = [5/2, 0, 1/2].
Sistema lineal homog´eneo
Un sistema lineal de m ecuaciones y n inc´ognitas de la forma
a11x1 + a12x2 + · · · + a1nxn = 0
a21x1 + a22x2 + · · · + a2nxn = 0
...
...
...
...
am1x1 + am2x2 + · · · + amnxn = 0
es llamado sistema lineal homog´eneo. Su representaci´on matricial es
a11 a12 · · · a1n
a21 a22 · · · a2n
...
...
...
am1 am2 · · · amn
x1
x2
...
xn
=
0
0
...
0
,
63. Matrices y sistemas de ecuaciones lineales 53
que en forma abreviada es
Ax = 0 .
Una soluci´on de este sistema es la llamada trivial, que es x1 = x2 = · · · =
xn = 0. Una soluci´on donde no todas las xi sean cero es llamada no trivial.
Teorema 13. Un sistema de ecuaciones homog´eneo siempre tiene soluci´on no
trivial si el n´umero de ecuaciones es menor que el de inc´ognitas.
Ejemplo 40. Encontrar la soluci´on del siguiente sistema homog´eneo.
4x1 + x2 + x3 = 0
5x1 − x2 − x3 = 0 .
Soluci´on.
La matriz aumentada es
4 1 1
... 0
5 −1 −1
... 0
,
entonces, por medio de operaciones elementales fila, tenemos
f1 ←− f1 + f2
9 0 0
... 0
5 −1 −1
... 0
f1 ←− 1
9f1
1 0 0
... 0
5 −1 −1
... 0
f2 ←− f2 − 5f1
1 0 0
... 0
0 −1 −1
... 0
f2 ←− (−1)f2
1 0 0
... 0
0 1 1
... 0
.
⇒
x1 = 0
x2 + x3 = 0.
Si x3 = r ∈ R, entonces x2 = −r. As´ı,
x =
x1
x2
x3
=
0
−r
r
.
El sistema tiene infinitas soluciones. Para verificar el resultado se reemplazan los
valores de x1, x2 y x3 en las ecuaciones originales.
Note que el rango de la matriz aumentada es dos que es igual al rango de
la matriz de coeficientes y es menor que el n´umero de inc´ognitas, que es tres, lo
que implica infinitas soluciones por el teorema 12.
64. 54 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Ejercicio 66. Por Gauss–Jordan, determinar la soluci´on del sistema homog´eneo
4x1 + 8x2 − 8x3 = 0
2x1 − 2x2 − 2x3 = 0 .
Respuesta. (x)T = 4
3 r, r
3, r , con r ∈ R.
Teorema 14. Si A ∈ Mm×n, entonces el sistema homog´eneo Ax = 0 tiene:
1. Infinitas soluciones si el rango de A es menor que n.
2. Una ´unica soluci´on, la trivial, si el rango de A es igual a n
Ejercicio 67. De los ejercicios propuestos en esta secci´on, entregue en forma
escrita, a su docente, aquellos que ´el le indique.
1.5 Inversa de una matriz
Definici´on 22 (Matriz invertible). Una matriz A ∈ Mn×n es invertible o no
singular si existe (∃) B ∈ Mn×n tal que AB = BA = In, es decir, una matriz
cuadrada tiene inversa si existe otra matriz cuadrada de igual tama˜no tal que al
multiplicarlas entre s´ı, en cualquier orden, se obtiene la matriz identidad.
Ejemplo 41. Dadas
A =
2 3
1 4
y B =
4/5 −3/5
−1/5 2/5
,
verifiquemos que B es inversa de A.
Soluci´on.
AB =
2 3
1 4
4/5 −3/5
−1/5 2/5
=
2 3
1 4
1
5
4 −3
−1 2
=
1
5
2 3
1 4
4 −3
−1 2
65. Matrices y sistemas de ecuaciones lineales 55
=
1
5
8 − 3 −6 + 6
4 − 4 −3 + 8
=
1
5
5 0
0 5
=
1 0
0 1
.
Entonces B es inversa de A. Realice BA y tambi´en obtendr´a I2.
Ejercicio 68. Dadas
A =
3 7
2 5
y B =
5 −7
−2 3
,
verifique que B es inversa de A. Realice AB y BA.
Observe que aunque la multiplicaci´on de matrices no es en general conmuta-
tiva, este es uno de esos casos donde s´ı lo es.
De ahora en adelante, a la inversa de A la denotaremos como A−1, entonces,
si A−1 existe
AA−1
= A−1
A = In .
¿C´omo determinar la inversa de una matriz?
Suponga que desea saber si A ∈ Mn×n es invertible y en caso de serlo en-
contrar A−1. Pasos para lograr este objetivo:
1. Forme la matriz [A
... In]
2. Ejecute operaciones elementales fila a [A
... In], de tal forma que A quede
en forma escalonada reducida, obtendr´a la matriz [B
... C]
3. Si B = In, entonces A−1 = C.
Si B tiene al menos una fila de ceros, entonces A no es invertible.
Ejemplo 42. Dada
A =
3 5 1
1 2 3
−1 −3 −12
,
67. Matrices y sistemas de ecuaciones lineales 57
Ejercicio 71. Sea
A =
2 3
1 4
la matriz del ejemplo 41, determinar A−1 mediante el m´etodo ense˜nado.
Respuesta. A−1 = 1
5
4 −3
−1 2
.
Ejercicio 72. Sea
A =
a b
c d
,
determinar A−1. ¿Qu´e condiciones deben cumplir a, b, c y d para que la inversa
exista?
Respuesta. A−1 = 1
ad−bc
d −b
−c a
y (ad − bc) = 0.
Teorema 15. Si una matriz tiene inversa, entonces es ´unica.
Hasta ahora, hemos realizado pruebas en las que partiendo de una hip´otesis
H llegamos a una tesis T a trav´es de inferencias l´ogicas (pasos) =⇒, es decir,
H =⇒ T. Pues bien, est´a demostrado que otra forma de probar es negando la tesis
∼T y, a trav´es de inferencias l´ogicas =⇒, llegamos a una negaci´on de la hip´otesis
∼H, es decir, ∼T =⇒∼H, o llegamos a una contradicci´on =⇒⇐=. A este m´etodo
de demostrar se le llama reducci´on al absurdo o prueba por contradicci´on.
Por ejemplo, usted sabe que el inverso multiplicativo del 5 es 1
5 porque 5× 1
5 =
1 y es el ´unico. Pues bien, una forma de probar que es el ´unico es suponiendo
que existe otro inverso multiplicativo diferente de 1
5 . Supongamos que existe un
b = 1
5 tal que b × 5 = 1, luego b = b × 1 = b × (5 × 1
5) = (b × 5) × 1
5 = 1 × 1
5 = 1
5.
Luego, b = 1
5, pero hab´ıamos dicho que b = 1
5 . Entonces es una contradicci´on.
Concluimos que no existe otro inverso multiplicativo para el cinco.
Cuando se nos habla de unicidad en un teorema, entonces pensamos que la
forma de probarlo es seguramente por reducci´on al absurdo. Veamos c´omo probar
el teorema 15 por reducci´on al absurdo.
68. 58 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Prueba.
1 Sea A ∈ Mn×n invertible, hip´otesis
2 Suponga que existen B, C ∈ Mn×n
negaci´on de la tesis
diferentes tales que AB = In y AC = In,
3 B = BIn, multiplicando por la identidad
4 = B(AC), 2 en 3
5 = (BA)C, asociatividad
6 = InC, por 2
7 = C, raz´on de 3 .
Como B = C, por 3 a 7 , entonces hay una contradicci´on porque hab´ıamos su-
puesto en 2 que eran diferentes. Luego, la inversa es ´unica.
Teorema 16 (Propiedades de la inversa).
1. Si A ∈ Mn×n es invertible, entonces A−1 es tambi´en invertible y A−1 −1
=
A.
2. Si A, B ∈ Mn×n son invertibles, entonces AB es invertible y (AB)−1 =
B−1A−1.
3. Si A es invertible, entonces AT −1
= A−1 T
.
Prueba de 2.
69. Matrices y sistemas de ecuaciones lineales 59
1 Sean A, B ∈ Mn×n invertibles, hip´otesis
Entonces,
2 La inversa de (AB) es (B−1A−1) si y solo si (sii)
3 (AB)(B−1A−1) = I sii, definici´on de inversa
4 A(BB−1)A−1 = I sii, asociatividad
5 A(I)A−1 = I sii, definici´on de inversa
6 AA−1 = I sii, por matriz identidad
7 I = I, raz´on de 6 .
Ahora,
8 La inversa de (AB) es (B−1A−1) sii
9 (B−1A−1)(AB) = I sii, definici´on de inversa
10 B−1(A−1A)B = I sii, asociatividad
11 B−1(I)B = I sii, definici´on de inversa
12 B−1B = I sii, por matriz identidad
13 I = I, raz´on de 12.
Luego, por 2 a 13, la inversa de AB es B−1A−1.
Ejemplo 43.
1. Sea A =
2 1
5 3
, su inversa es A−1 =
3 −1
−5 2
.
Observe que la inversa de la inversa de A es la misma A, es decir,
A−1 −1
= A.
2. Sean
A =
3 7
−1 −2
, A−1
=
−2 −7
1 3
, B =
2 1
3 2
y B−1
=
2 −1
−3 2
,
(por favor verifique las inversas con el m´etodo explicado).
(a) Entonces:
AB =
3 7
−1 −2
2 1
3 2
70. 60 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
=
6 + 21 3 + 14
−2 − 6 −1 − 4
=
27 17
−8 −5
.
(b) La inversa de AB es
(AB)−1
=
−5 −17
8 27
, por favor verif´ıquelo.
(c) Ahora,
B−1
A−1
=
2 −1
−3 2
−2 −7
1 3
=
−4 − 1 −14 − 3
6 + 2 21 + 6
=
−5 −17
8 27
.
Se observa, entonces, que (AB)−1 = B−1A−1.
3. Sea
A =
2 1
7 4
,
entonces
AT
=
2 7
1 4
.
La inversa de la transpuesta de A es
AT −1
=
4 −7
−1 2
.
71. Matrices y sistemas de ecuaciones lineales 61
Ahora, A−1 es
4 −1
−7 2
,
entonces
(A−1
)T
=
4 −7
−1 2
.
Observe que la inversa de la transpuesta de A es igual a la transpuesta de
la inversa de A, es decir,
AT −1
= A−1 T
.
Corolario 1. Si A1, A2, . . . , Ap ∈ Mn×n son invertibles, entonces
A1A2 . . . Ap
es invertible y
(A1A2 . . . Ap)−1
= A−1
p . . . A−1
2 A−1
1 .
Teorema 17. Dados A, B ∈ Mn×n, si AB = In, entonces BA = In y B = A−1.
Teorema 18. Una matriz A ∈ Mn×n es invertible si y solo si es equivalente
por filas a In.
Aplicaci´on de la inversa de una matriz
Sabemos que un sistema lineal de n ecuaciones y n inc´ognitas puede ser expresado
como Ax = b. Si A es invertible, entonces podemos multiplicar a ambos lados de
esta ecuaci´on por A−1, luego:
A−1
(Ax) = A−1
b ,
(A−1
A)x = A−1
b ,
Inx = A−1
b ,
x = A−1
b . (1.1)
Ahora, en la industria, el gobierno y la academia, diversos problemas pueden
ser expresados como sistemas lineales, de tal forma que si se desea obtener ciertos
resultados b, la pregunta es: ¿qu´e valores x deber´an ser ingresados en el proceso?
La ecuaci´on (1.1) responde a esta pregunta.
72. 62 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Ejemplo 44. En la instituci´on educativa Lucrecio Jaramillo del municipio de
Medell´ın se requiere comprar 2 fotocopiadoras, 7 computadores y 3 escritorios.
Si se sabe, por informaci´on de otras tres instituciones, que 1 fotocopiadora, m´as
3 computadores, m´as 2 escritorios valen $9 millones; que 2 fotocopiadoras, m´as
7 computadores, m´as 1 escritorio valen $17 millones; y que 3 fotocopiadora, m´as
11 computadores, m´as 1 escritorio valen $26 millones; entonces, ¿cu´anto es el
costo por unidad y total de los art´ıculos que la instituci´on desea comprar?
Soluci´on.
Sean f: valor de una fotocopiadora, c: valor de un computador y e: valor de un
escritorio. Entonces,
f + 3c + 2e = 9
2f + 7c + e = 17
3f + 11c + e = 26 ,
que en forma abreviada es Ax = b, donde:
A =
1 3 2
2 7 1
3 11 1
, x =
f
c
e
y b =
9
17
26
.
La inversa de A es
A−1
=
−4 19 −11
1 −5 3
1 −2 1
.
Luego, como x = A−1b, entonces
x =
−4 19 −11
1 −5 3
1 −2 1
9
17
26
=
1
2
1
.
De esta forma, la instituci´on educativa Lucrecio Jaramillo debe invertir 2 × 1 +
7 × 2 + 3 × 1 = 19 millones.
Si los valores facturados por las tres instituciones hubiesen sido 6, 10 y 15
millones, respectivamente, ¿requerir´ıa usted resolver un nuevo sistema lineal?
73. Matrices y sistemas de ecuaciones lineales 63
La respuesta es no, simplemente multiplicar´ıa A−1 por el vector [6, 10, 15]T
y obtendr´ıamos [1, 1, 1]T , que corresponde a los valores de cada fotocopiadora,
cada computador y cada escritorio, respectivamente. De esta forma, la instituci´on
deber´ıa invertir 2 × 1 + 7 × 1 + 3 × 1 = 12 millones.
Ejercicio 73. En el plano cartesiano un punto cualquiera (x, y) puede ser gi-
rado un ´angulo φ, en direcci´on contraria a las manecillas del reloj, mediante la
transformaci´on
Av =
cos(φ) − sen(φ)
sen(φ) cos(φ)
x
y
.
Si se sabe que siete puntos fueron girados 90o con dicha transformaci´on y se
obtuvo el siguiente conjunto {(−9, −3), (−2, 4), (−1, 1), (0, 0), (1, 1), (2, 4), (5, 5)},
¿cu´ales fueron los puntos originales? Graf´ıquelos.
Ayuda. La inversa de A es
cos(φ) sen(φ)
− sen(φ) cos(φ)
.
Respuesta. {(−3, 9), (4, 2), (1, 1), (0, 0), (1, −1), (4, −2), (5, −5)}.
Teorema 19. Si A ∈ Mn×n, entonces el sistema homog´eneo
Ax = 0
tiene soluci´on no trivial si y solo si A es no invertible.
Ejemplo 45. Dado el sistema
2x1 + 4x2 = 0
−6x1 − 12x2 = 0 ,
que en forma matricial es
2 4
−6 −12
A
x1
x2
x
=
0
0
0
.
A es no invertible (verificarlo). Solucionando el sistema se tiene
2 4
... 0
−6 −12
... 0
74. 64 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
f1 ← 1
2f1
f2 ← f2 + 3f1
1 2
... 0
0 0
... 0
.
Luego, el sistema tiene infinitas soluciones
x1 = −2x2 .
Si x2 = r ∈ R, entonces la soluci´on del sistema es
x =
−2r
r
.
Teorema 20. Si A ∈ Mn×n, entonces A es invertible si y solo si el sistema
lineal Ax = b tiene soluci´on ´unica.
Dado un sistema lineal Ax = b de n ecuaciones con n inc´ognitas, las siguientes
afirmaciones son equivalentes:
1. A es invertible.
2. Ax = b tiene soluci´on ´unica.
3. A es equivalente por filas a In.
4. El rango de A es n.
Ejercicio 74. De los ejercicios propuestos en esta secci´on, entregue en forma
escrita, a su docente, aquellos que ´el le indique.
75. Unidad 2
Determinantes
Los objetivos de esta unidad son: aprender a calcular el determinante de una
matriz, probar la existencia o no de la inversa de una matriz y calcularla, si
existe, empleando los determinantes y sus propiedades; resolver sistemas linea-
les empleando determinantes; y resolver problemas de ´areas en R2 empleando
determinantes.
El determinante de una matriz An×n es una funci´on que asigna a esta un
´unico n´umero real. Denotaremos el determinante de A como det(A) o |A|.
Primero veamos c´omo calcular el determinante de matrices de tama˜no uno,
dos y tres:
1. El determinante de una matriz de tama˜no uno, A = [a], es a; por ejemplo:
el determinante de A = [7] es 7, el determinante de B = [−5] es −5,
etc´etera.
2. El determinante de una matriz de tama˜no dos por dos,
A =
a11 a12
a21 a22
es
det(A) =
a11 a12
a21 a22
❅
❅❅❘
✠
= a11a22 − a12a21 .
76. 66 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
Ejemplo 46. Sea
A =
2 1
3 4
,
entonces det(A) = (2 × 4) − (1 × 3) = 5.
Ejercicio 75. Hallar el determinante de las matrices
A =
2 −2
5 3
, B =
2 1
5 −3
y C =
2 1
−4 −3
.
Respuesta. det(A) = 16, det(B) = −11 y det(C) = −2.
3. Para calcular el determinante de una matriz de tama˜no tres por tres,
A =
a11 a12 a13
a21 a22 a23
a31 a32 a33
,
emplearemos la regla de Sarrus: agregamos las filas uno y dos debajo, y
trazamos seis flechas diagonales en la forma
a11 a12 a13
a21 a22 a23
a31 a32 a33
❅
❅❅❘
✠
❅
❅
❅❅❘
✠❅
❅
❅❅❘
✠
.
a11 a12 a13
a21 a22 a23
Para encontrar el determinante de A realizamos la suma de los productos
indicados por las flechas descendentes de izquierda a derecha (verdes) y lue-
go restamos la suma de los productos indicados por las flechas descendentes
de derecha a izquierda (rojas), de la siguiente forma:
det(A) =(a11a22a33 + a21a32a13 + a31a12a23)−
(a13a22a31 + a23a32a11 + a33a12a21) .
77. Determinantes 67
Ejemplo 47. Calcular el determinante de
A =
1 0 3
−2 −1 4
0 2 5
.
Soluci´on. Entonces,
det(A) =
1 0 3
−2−1 4
0 2 5
❅❅❘ ✠
❅
❅❅❘
✠❅
❅❅❘
✠
,
1 0 3
−2 −1 4
luego,
det(A) = (1 × (−1) × 5 + (−2) × 2 × 3 + 0 × 0 × 4) −
(3 × (−1) × 0 + 4 × 2 × 1 + 5 × 0 × (−2))
=(−5 − 12 + 0) − (0 + 8 + 0)
= − 25 .
Ejercicio 76. Calcular el determinante de cada una de las matrices
A =
3 0 −3
4 2 −1
0 1 5
, B =
4 2 −1
3 0 −3
0 1 5
y C =
3 4 1
5 −2 −7
0 0 0
.
Respuesta. det(A) = 21, det(B) = −21 y det(C) = 0. Observe que
la matriz B se obtiene a partir del intercambio de las filas 1 y 2 en A.
Tambi´en observe que la matriz C tiene una fila de ceros.
Entonces, ya sabemos calcular el determinante de matrices de tama˜no uno
por uno, dos por dos o tres por tres. Veamos a continuaci´on algunos teoremas
que nos permitir´an calcular el determinante de matrices de tama˜no mayor por el
m´etodo que llamaremos triangulaci´on. Este consiste en llevar la matriz a trian-
gular superior (o inferior) por medio de operaciones elementales fila (o columna)
y luego realizar el producto de la diagonal principal; el resultado, habiendo con-
siderado los teoremas siguientes, es el determinante de la matriz original.
78. 68 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
2.1 Propiedades de los determinantes
Teorema 21. Si una matriz se obtiene de una matriz An×n al intercambiar dos
filas (columnas), entonces su determinante es el mismo de A con signo inverso,
es decir, si en A intercambiamos las filas (columnas) i y j, entonces
det(Afi↔fj
) = − det(A) o
det(Aci↔cj ) = − det(A) .
Ejemplo 48. Al intercambiar las filas uno y dos del ejemplo 51, obtenemos
Af2↔f3 =
−2 0 1
1 3 4
3 2 1
.
Su determinante es
det(Af1↔f2 ) =(−2 × 3 × 1 + 1 × 2 × 1 + 3 × 0 × 4)−
(1 × 3 × 3 + 4 × 2 × (−2) + 1 × 0 × 1)
=(−6 + 2 + 0) − (9 − 16 + 0)
=3 .
Efectivamente, det(Af1↔f2 ) = − det(A).
Ejercicio 77. Sean
A =
1 5 3
3 0 2
−2 2 1
y B =
3 0 2
1 5 3
−2 2 1
.
Calcular det(A) y det(B).
Respuesta. -21 y 21, respectivamente.
Ejercicio 78. Sean
A =
1 2 3
3 0 1
−2 2 1
y B =
3 0 1
−2 2 1
1 2 3
.
Calcular det(A) y det(B).
Respuesta. det(A) = 6 y det(B) = 6.
79. Determinantes 69
Teorema 22. Si una matriz se obtiene de otra An×n al multiplicar una fila
(o columna) por un k ∈ R, entonces el determinante de la nueva matriz es k
veces el determinante de la matriz original, es decir, det(Afi←kfi
) = k det(A)
(det(Aci←kci
) = k det(A)).
Ejemplo 49. Sean
A =
2 −1
3 4
y Af1←−2f1 =
−4 2
3 4
,
entonces det(A) = (2×4)−(−1×3) = 11 y det(Af1←−2f1 ) = −2×det(A) = −22.
Ejercicio 79. Calcular el determinante de las matrices
A =
2 1 3
3 −2 −1
0 2 4
, Af1←3f1 =
6 3 9
3 −2 −1
0 2 4
y Af3←−5f3 =
2 1 3
3 −2 −1
0 −10 −20
.
Respuesta. det(A) = −6, −18 y 30, respectivamente.
Teorema 23. Si una matriz se obtiene de otra matriz An×n al sumar a la i–
´esima fila (o columna) k–veces la j–´esima fila (o columna), i = j, entonces el
determinante de la nueva matriz es igual al de la matriz original, es decir,
det(Afi←fi+kfj
) = det(A) o
det(Aci←ci+kcj
) = det(A) .
Ejemplo 50. Sean
A =
1 −2 0
0 5 −1
5 1 0
y Af3←f3−5f1 =
1 −2 0
0 5 −1
0 11 0
.
Sus determinantes son:
det(A) =(1 × 5 × 0 + 0 × 1 × 0 + 5 × (−2) × (−1))−
(0 × 5 × 5 + (−1) × 1 × 1 + 0 × (−2) × 0)
=(0 + 0 + 10) − (0 − 1 + 0)
=11
80. 70 Conceptos b´asicos de ´Algebra Lineal, Septiembre 05 de 2016
y
det(Af3←f3−5f1 ) =(1 × 5 × 0 + 0 × 11 × 0 + 0 × (−2) × (−1))−
(0 × 5 × 0 + (−1) × 11 × 1 + 0 × (−2) × 0)
=(0 + 0 + 0) − (0 − 11 + 0)
=11 .
Hemos verificado que ambos determinantes son 11.
Ejercicio 80. Calcular el determinante de las matrices
A =
4 1 3
3 −2 −1
1 2 0
y Af1←f1+3f2 =
13 −5 0
3 −2 −1
1 2 0
.
Respuesta. Los dos resultados son 31.
Teorema 24. El determinante de la transpuesta de una matriz An×n es igual
al determinante de A, es decir,
det AT
= det(A) .
Ejemplo 51. El determinante de
A =
1 3 4
−2 0 1
3 2 1
,
es
det(A) = (1 × 0 × 1 + (−2) × 2 × 4 + 3 × 3 × 1) −
(4 × 0 × 3 + 1 × 2 × 1 + 1 × 3 × (−2))
=(0 − 16 + 9) − (0 + 2 − 6)
= − 3 .
Ahora, la matriz transpuesta de A es
AT
=
1 −2 3
3 0 2
4 1 1
,
81. Determinantes 71
y su determinante es
det AT
= (1 × 0 × 1 + 3 × 1 × 3 + 4 × (−2) × 2) −
(3 × 0 × 4 + 2 × 1 × 1 + 1 × (−2) × 3)
=(0 + 9 − 16) − (0 + 2 − 6)
= − 3 .
Hemos verificado que det(A) = det AT .
Ejercicio 81. Si det(A) = −7, entonces ¿cu´anto es det AT ?
Teorema 25. Dada una matriz An×n, si dos de sus filas (columnas) son iguales,
entonces det(A) = 0.
Para entender mejor la siguiente prueba suponga una matriz A con dos filas
iguales
A =
4 0 3 5
1 3 4 0
4 0 3 5
2 0 5 7
y suponga que det(A) = c. Observe que la fila uno y la tres son iguales. Ahora
construya una matriz B obtenida al intercambiar las filas uno y tres. Por tanto,
B =
4 0 3 5
1 3 4 0
4 0 3 5
2 0 5 7
.
Como se intercambiaron dos filas, entonces det(B) = −c. Pero, A y B son iguales,
entonces det(A) = det(B), por tanto c = −c. El ´unico real que cumple c = −c
es el 0. Se concluye que det(A) = 0. Ahora s´ı, veamos la prueba formal.
Prueba.