Algebra Lineal-Decima Edicion 100paginas

II
Curso bsico de lgebra Lineal.

Dcima edicin
Santiago Relos P.
Docente Titular de la Universidad Mayor de San Simn
Facultad de Ciencias y Tecnologa
Cochabamba - Bolivia
AMARU-learning
Prlogo
Este texto est dirigido a los estudiantes de las carreras de Ingeniera o Ciencias
Empresariales. Tiene por objetivo introducir los fundamentos del Algebra Lineal, la
teora matricial, los sistemas de ecuaciones lineales, Espacios vectoriales, Producto
Interno, Transformaciones Lineales, el problema de Autovalores, en este texto de
ven adems algunas aplicaciones. En esta edicin se tienen algunas salidas del
programa AMARU-SOFT (Software que genera ejercicios con soluciones, est an en
su fase beta), es una promesa que ms adelante casi la totalidad de los problemas
propuestos estarn generados por este programa Agradezco a los colegas docentes de
la Universidad Privada Boliviana y la Universidad Mayor de San Simn por sus tiles
sugerencias. Tambin agradezco al profesor Walter Mora por permitirme emplear su
platilla LATEX .
Cochabamba, Mayo de 2016. E L AUTOR

Derechos reservados AMARU-
learning 2016
NDICE GENERAL
NERAL
Prolgo II
1 A LGUNAS APLICACIONES DEL A LGEBRA L INEAL PGINA 3

1.1 Programacin Lineal2 3
1.1.1 El problema del transporte 3
1.1.2 El problema de la dieta 4
1.1.3 El problema del ujo en una red 5
1.2 Regresin lineal con k variables 5
1.3 El modelo Input-Output de Leontief 6
1.4 El secreto del Google y el Algebra Lineal 6
1.5 Clculo a varias variables 8
1.6 Mensajes secretos. Criptografa 9
1.7 Telecomunicaciones 9
1.8 Compresin de imgenes 9
2 M ATRICES PGINA 11
2.1 Qu es una matriz? 11
2.1.1 Notacin. 11
2.1.2 Orden de una matriz 12
2.2 Operaciones con matrices 12
2.2.1 Igualdad de matrices 12
2.2.2 Producto por un nmero 13
2.2.3 Suma 13
2.2.4 Resta 13
2.2.5 Producto de matrices 14
2.2.6 La transpuesta de una matriz 16
2.2.7 Propiedades de las operaciones matriciales 17
2.3 Matrices especiales 21
2.3.1 Matriz cuadrada 21
2.3.2 Matrices triangulares 22
2
Obtenido del libro: Formulacin y Resolucin de Modelos de Programacin Matemtica en Ingeniera y Cien-
cia, de Enrique Castillo, Antonio J. Conejo, Pablo Pedregal, Ricardo Garca y Natalia Alguacil.
VI
2.3.3 Matriz diagonal e identidad 22

2.3.4 La traza y contratraza de una matriz cuadrada 23
2.4 La funcin matricial w 24
2.5 Reduccin de Gauss 28
2.5.1 Operaciones elementales y equivalencia de matrices 28
2.5.2 Las operaciones elementales como aniquiladores 29
2.5.3 Forma escalonada y escalonada reducida por las 29
2.5.4 Reduccin de Gauss 30
2.6 Determinante de una matriz cuadrada 33
2.6.1 La denicin de determinante 33
2.6.2 Propiedades del determinante 36
2.6.3 Menor complementario y cofactor (adjunto) de un elemento 39
2.6.4 Menor y menor principal 40
2.6.5 Rango de una matriz 41
2.7 Sabias que? 47
3 S ISTEMAS DE ECUACIONES LINEALES PGINA 49

3.1 Introduccin 49
3.1.1 La denicin de sistema lineal 49
3.1.2 Notacin matricial 49
3.1.3 La solucin de un sistema lineal 50
3.2 Teorema de existencia de soluciones 50
3.3 Soluciones de un sistema triangular 51
3.3.1 Sistema triangular superior 51
3.3.2 Sistema triangular inferior 52
3.4 Sobre las soluciones del sistema Ax = b 53
3.4.1 Sistemas equivalentes 53
3.4.2 Variables libres 53
3.4.3 Clculo de la solucin de un sistema Ax = b 54
3.5 La inversa de una matriz 60
3.5.1 La denicin de matriz inversa 60
3.5.2 Clculo de la inversa 60
3.5.3 Algunos teoremas sobre la inversa 62
3.5.4 La adjunta de una matriz en el clculo de la inversa 63
3.6 La regla de Cramer 65
3.7 Sistemas homogneos 67
3.8 Algo de criptografa 71
3.8.1 La aritmtica del reloj 71
3.8.2 Tablas de sumar 71
3.8.3 Matriz clave 72
3.8.4 Mensajes en clave 73
VII
3.9 Sabias que? 77

3.10 Problemas con sistemas de ecuaciones 77
4 E SPACIOS V ECTORIALES REALES PGINA 83

4.1 La denicin de espacio vectorial 83
n
4.2 El espacio vectorial R 84
n
4.2.1 La recta en R 86
4.2.2 El plano en R3 86
4.3 Subespacios 87
4.4 Combinacin lineal 87
4.4.1 Espacio generado 87
4.4.2 Dependencia lineal 89
4.5 Base y Dimensin 92
4.6 Espacio la, espacio columna y espacio nulo 95
5 E SPACIOS PRODUCTO INTERNO PGINA 99

5.1 La denicin de espacio producto interno 99
5.1.1 Ejemplos de productos internos 99
5.1.2 Propiedades del producto interno 100
5.2 La norma de un vector 100
5.3 Ortogonalidad 101
5.3.1 Vectores ortogonales 101
5.3.2 Conjuntos ortogonales 102
5.3.3 Bases ortogonales y ortonormales 102
5.4 Proceso de Gram Schmidt 103
5.4.1 La proyeccin ortogonal 103
5.4.2 La construccin de un conjunto ortogonal de tres vectores 104
5.4.3 El proceso de Gram Schmidt 105
6 AUTOVALORES Y AUTOVECTORES PGINA 109

6.1 La denicin de autovalor y autovector 109
6.2 Clculo de autovalores y autovectores 109
6.2.1 Clculo de autovalores 109
6.2.2 Clculo de autovectores 111
6.3 Teoremas relativos a autovalores y autovectores 114
6.3.1 Clculo del polinomio caracterstico 114
6.3.2 Autovalores y rango 114
6.3.3 Autovalores e inversa 114
6.3.4 Mltiplos escalares de un autovector 115
VIII
6.3.5 Raz del polinomio caracterstico 115

6.3.6 Autovectores y dependencia lineal 115
6.3.7 Autovalores y autovectores de matrices simtricas 116
6.3.8 Los discos de Gershgorin 116
6.4 Multiplicidad algebraica y multiplicidad geomtrica 117
6.5 Semejanza y diagonalizacin 119
6.5.1 Matrices semejantes 119
6.5.2 Diagonalizacin 120
7 T RANSFORMACIONES LINEALES PGINA 129

7.1 Introduccin 129
7.1.1 La denicin de transformacin lineal 129
7.1.2 Propiedades de una transformacin lineal 130
7.2 Construccin de transformaciones lineales 131
7.3 Composicin 133
7.4 Ncleo e imagen 133
7.4.1 Ncleo 134
7.4.2 Imagen 134
7.4.3 El teorema de la dimensin 135
7.5 La transformacin inversa 138
7.6 La matriz de una transformacin lineal 140
7.6.1 Matriz de coordenadas de un vector 140
7.6.2 Matriz de coordenadas de una transformacin lineal 141
7.6.3 Cambio de base 144
7.7 Operadores lineales 147
7.8 La geometra de las transformaciones 148
7.8.1 Transformaciones lineales 148
7.8.2 La transformacin rotacin 148
7.8.3 Transformaciones no lineales 151
8 FACTORIZACIN LU Y LR PGINA 153

8.1 Matrices elementales 153
8.2 La inversa de una matriz elemental 154
8.3 La matriz elemental como aniquilador 155
8.3.1 Aniquilacin bajo la primera entrada 155
8.3.2 Aniquilador general 155
8.4 Factorizacin LU 157
8.4.1 El algoritmo de Gauss en la factorizacin 157
8.4.2 Clculo de la matriz L 158
8.4.3 Forma prctica de la construccin de L 160
1
8.5 Factorizacin LR 161

8.5.1 Matrices de permutacin 161
8.5.2 Factorizacin con el algoritmo de Gauss con pivote 162
8.5.3 Sobre la construccin de la matriz L y P 163
8.6 La factorizacin y la solucin de sistemas lineales 165
8.6.1 Factorizacin LU 165
8.6.2 Factorizacin LR 167
8.7 La factorizacin y el clculo de autovalores 168
8.7.1 Convergencia de esta sucesin 168
9 M ATRICES DEFINIDA POSITIVAS PGINA 171

9.1 Formas cuadrticas 171
9.2 Matrices denida positivas 172
9.2.1 Algunos teoremas sobre matrices denida positivas 172
9.2.2 Caracterizacin de una matriz denida positiva 173
9.3 Matrices denida negativas y semidenidas 174
9.4 La signatura de una matriz simtrica 175
9.4.1 La denicin de signatura 176
9.4.2 Clculo de la signatura con operaciones elementales 176
9.5 Caracterizacin de matrices simtricas con operaciones elementales 177
9.6 El criterio de Sylvester 178
10 OTRAS APLICACIONES DEL LGEBRA L INEAL PGINA 181

10.1 Cadenas de markov. 181
10.1.1Un ejemplo 181
10.1.2El vector jo 182
10.2 Regresin lineal 184
10.2.1Regresin lineal con dos variables 184
10.2.2Regresin lineal con k variables 185
10.3 El lgebra Lineal y el problema de mximos y mnimos 189
Esta pgina fue dejada intencionalmente blanca
1 Algunas aplicaciones del Algebra
Lineal
A continuacin se presentan algunas aplicaciones del Algebra Lineal, algunas de estas aplica-
ciones se desarrollarn en este texto. Se sugiere al profesor de la materia comentar algunas de
stas aplicaciones y la importancia del lgebra Lineal en las mismas.
1.1 Programacin Lineal1
La programacin matemtica es una herramienta de modelado usada en el proceso de toma

de decisiones, trata exclusivamente con funciones objetivos y restricciones lineales. Se utiliza
en campos como la ingeniera, la economa, la gestin, y muchas otras reas de la ciencia, la
tcnica y la industria.
En todo problema de programacin lineal se pueden identicar cuatro componentes bsicos:
(1) El conjunto de datos, (2) El conjunto de variables con sus dominios respectivos, (3) El con-
junto de restricciones lineales del problema, (4) La funcin objetivo, que es una funcin lineal
que debe ser optimizada (mximo o mnimo).
1.1.1. El problema del transporte

Supngase que cierto producto debe enviarse en cantidades u 1 ,. . . , u m , desde m orgenes a n
destinos v 1 , . . . , v n . El problema consiste en determinar las cantidades x i j que deben enviarse
desde el origen i al destino j , para conseguir minimizar el coste del envo.
Los cuatro elementos principales de este problema son:
1. Datos:
m : el nmero de orgenes
1
Obtenido del libro: Formulacin y Resolucin de Modelos de Programacin Matemtica en Ingeniera y Cien-
cia, de Enrique Castillo, Antonio J. Conejo, Pablo Pedregal, Ricardo Garca y Natalia Alguacil.
4 Algunas aplicaciones del Algebra Lineal
n : el nmero de destinos
u i : la cantidad que debe enviarse desde el origen i
v j : la cantidad que debe ser recibida en el destino j
c i j : el coste de envo de una unidad de producto desde el origen i al destino j
2. Variables
x i j : la cantidad que se enva desde el origen i al destino j . Se supone que las variables
deben ser no negativas: x i j 0, i = 1,. . . , m, j = 1, . . . , n
3. Restricciones. Las restricciones de este problema son:

m
xi j = ui , i = 1 . . . , m
i =1
m
xi j = vj ;, j = 1...,n
i =1
Lo anterior puede ilustrarse en el siguiente grco
4. Funcin objetivo. Se pretende minimizar la funcin:

m
n
z= ci j xi j
i =1 j =1
1.1.2. El problema de la dieta

Supngase que se conocen los contenidos nutritivos de ciertos alimentos, sus precios y la canti-
dad mnima diaria de nutrientes a consumir. El problema consiste en determinar la cantidad de
cada alimento que debe adquirirse de manera que se satisfagan los requerimientos y al mismo
tiempo se tenga un precio total mnimo.
Los cuatro elementos para este problema son:
1. Datos:
m : el nmero de nutrientes
n : el nmero de alimentos
a i j : la cantidad del nutriente i en una unidad del alimento j
b i : la cantidad mnima del nutriente i aconsejada
c j : el precio de una unidad del alimento j
Algunas aplicaciones del Algebra Lineal 5
2. Variables. x j : la cantidad del alimento j que debe adquirirse.
3. Restricciones. La cantidad total de un nutriente dado i debe ser al menos la suma de las
cantidades de los nutrientes en todos los alimentos, adems estas cantidades deben ser
no negativas, es decir,

n
ai j x j bi ; i = 1, . . . , m
j =1
xj 0; j = 1, . . . , n
4. Funcin objetivo. El objetivo es minimizar la funcin

n
z= cj xj
j =1
1.1.3. El problema del ujo en una red

Considrese una red de transporte (tuberas, ferrocarriles, autopistas, comunicaciones, etc.) a
travs del cual desea mandarse un producto homogneo (aceite, grano, coches, mensajes, etc.)
desde ciertos puntos de la red, llamados nodos fuente, hasta otros nodos de destino, llamados
sumideros.
Adems de estas dos clases de nodos, la red puede contener nodos intermedios, donde no se
genera ni se consume el producto que est uyendo por la red.
Dentese por x i j el ujo que va desde el nodo i al nodo j (positivo en la direccin de i a j , y
negativo en la direccin contraria).
Los cuatro elementos de este problema son:
1. Datos:
Un grafo G que describe la red de transporte, este grafo contiene un conjunto de nodos y
un conjunto de conexiones.
n: El nmero de nodos en la red
f i : El ujo entrante (positivo) o saliente (negativo) en el nodo i .
m i j : La capacidad mxima de ujo en la conexin entre el nodo i y el nodo j.
c i j : El ujo que va desde el nodo i al nodo j
2. Restricciones.

xi j x j i = fi ; i = 1, . . . , n
j
m i j xi j mi j ; para todo i < j
3. Funcin objetivo.

z= ci j xi j
i,j
1.2 Regresin lineal con k variables
Considrense los siguientes n puntos de Rk :

x 12 , x 13 , . . . , x 1k , y 1 ,

x 22 , x 23 , . . . , x 2k , y 2 ,
...

x n2 , x n3 , . . . , x nk , y n
El problema de la regresin lineal con dos variables consiste en hallar una funcin y = 1 +
2 x 2 + + k x k que minimize la funcin:
n
n 2
f 1 , 2 , . . . , k = e i2 = y i 1 2 x i 2 k x i k
i =1 i =1
Se puede probar que:

1 t
= XtX X Y
donde:
1 x 12 x 13 x 1k y1 1

1 x 22 x 23 x 2k y2 2
X =
.. .. .. . . .. , Y =
.. , =
..

. . . . . . .
1 x n2 x n3 x nk yn k
Muchos problemas de regresin no lineales se pueden resolver mediante esta tcnica.
1.3 El modelo Input-Output de Leontief
El modelo desarrollado por Leontief sirve para analizar las relaciones de interdependencia en-
tre los distintos sectores productivos de un pas o una regin.
Supongamos una economa con n industrias. Sea
e i : La demanda externa ejercida sobre la industria i ,
a i j : El nmero de unidades de la industria i que se necesitan para producir 1 unidad de la
industria j , es decir, la demanda por unidad de j sobre i .
x i : Produccin de i (nmero de unidades fabricadas por la industria i )
Los datos pueden describirse en la siguiente tabla:
Produccin Demanda interna 1 Demanda interna 2 Demanda interna n Demanda externa

x1 a 11 x 1 a 12 x 2 a 1n x n e1
x2 a 21 x 1 a 22 x 2 a 2n x n e2
.. .. .. .. .. ..
. . . . . .
xn a n1 x 1 a n2 x 2 a nn x n en
as se plantea un sistema de n ecuaciones con n incgnitas. La i esi

ma ecuacin est dada
por:

n
xi = ai j x j + e i
j =1
que se puede escribir como:

n
(1 a i i ) x i ai j x j = e i
j =1 j =i

Con A = a i j , x = (x i ) y e = (e i ) se encuentra el sistema:
(I A) x = e
Aqu I es la identidad en M n,n . La matriz A se llama Matriz de tecnologa, x es el vector de

produccin y e es el vector de demanda externa. La matriz L = I A se llama matriz de Leontief.
Ntese que si L es invertible el problema tiene solucin nica.
1.4 El secreto del Google y el Algebra Lineal
Todas las aplicaciones de las matemticas se encuentran en los instrumentos utilizados ms

insospechados, una de stas es el buscador Google, tan popular para todos los internautas. Un
artculo completo relativo a esta aplicacin se debe a Pablo Fernndez del Departamento de
Matemticas, de la Universidad Autnoma de Madrid Espaa,
(http://www.uam.es/personal_pdi/ciencias/gallardo/), los aspectos matemticos ms impor-
tantes de esta aplicacin se pueden resumir en los siguientes puntos:
Teora de Grafos
Autovalores, Autovectores,
Teorema de Perron, Frobenius,
Mtodos numricos,
Matrices no negativas
Probabilidad, Cadenas de Markov
A continuacin se presenta la historia del buscador Google
(http://www.elhacker.net/trucos_google.html)
Historia de Google. Los comienzos
primavera 1995: Sergey Brin (23 aos entonces) y Larry Page (24), confundadores de Goo-
gle y actualmente presidente y CEO, se conocen en un acto que la Universidad de Stanford
organiza para los candidatos de su Doctorado en Informtica.
otoo 1995: Larry y Sergey comienzan a trabajar en el Digital Library Project de la Uni-
versidad de Stanford
http://www-diglib.stanford.edu/. Larry Page, con experiencia en diseo web y el ttulo de
Ingeniero Elctrico, y Sergey Brin, un experto en tratamiento de datos y Licenciado en In-

formtica y Ciencias Matemticas, comienzan a crear un algoritmo para la bsqueda de
datos. Esta tecnologa se convertir mas tarde en el corazn que har funcionar a Google.
El nombre que Larry Page da a esta tecnologia fue PageRank. En su pgina web personal
de la Universidad de Stanford, colgar en 1997 una presentacion que lo explica: Page-
Rank: Bringing Order to the Web
http://hci.stanford.edu/~page/papers/pagerank/.
enero 1996: Comienzan a desarrollar un buscador llamado BackRub

http://web.archive.org/web/ 19971210065425/ backrub.stanford.edu/backrub.html. Es-
te nombre se lo dan debido a que la mayor habilidad de este motor de bsqueda es ana-
lizar los back links (enlaces que apuntan a una determinada pgina).
Tal y como indican en su descripcin http://web.archive.org/web/19971210065425/backrub.stanford.ed
backrub.html, Backrub est escrito en Java y Python (incluso Larry Page postea alguna
duda en los newsgroups
http://groups.google.com/groups?selm=page-0701962007020001 %40qwerty. stanford.edu),
y corre sobre varias mquinas Sun Ultra y Intel Pentium con Linux. La Base de Datos est
alojada en un ordenador Sun Ultra II con 28GB de disco duro.
Si tienes cualquier duda sobre el funcionamiento de este buscador, y no est contestada
en sus FAQ
http://web.archive.org/web/19971210065437/backrub.stanford.edu/FAQ.html, puedes lla-
mar al (415) 723-3154, y preguntar por Larry. Los primeros usuarios son los alumnos y
profesores de Stanford, que disfrutan de la precisin con la que el buscador encuentra
datos en la web.
1997: Backrub se transforma en Google

http://web.archive.org/web/19971210065417/backrub.stanford. edu/. Le otorgan este pe-
culiar nombre por su parecido a la palabra googol, que en ingls es el nombre que que
se da a la cifra 10 elevado a 100 (un uno seguido de 100 ceros). Ya tienen indexadas 24
millones de pginas. Mucho antes, ya han tenido problemas de capacidad en sus discos
duros, y han tenido que idear ingenios basados en Lego, como este
http://www-db.stanford.edu/pub/voy/museum/pictures/ display/0-4-Google.html.
En los comienzos de Google (en el dominio google.stanford.edu
http://web.archive.org/web/ 199805020 40303/google. stanford.edu/), su diseo es an
ms austero de lo que ser posteriormente. En esta antigua versin se incluyen fotogra-
fas de los equipos que utilizan
http://web.archive.org/web/19980502040 406/google. stanford.edu/googlehardware.html.
Historia de Google. Fundando una empresa
1997: Larry y Sergey han registrado el dominio google.com. Adems, han dado a conocer
su tecnologa a la Ofce of Technology Licensing (OTL)
http://otl.stanford.edu/ de la Universidad de Stanford, que ser la encargada de contactar

con diferentes compaas de Internet que puedan estar interesadas en Google.
enero 1998: A Sergey y Larry no les gusta ninguna de las ofertas recibidas, bien por ser
econmicamente bajas, o porque no van a desarrollar correctamente la tecnologa. Por
ello, deciden ser ellos los que creen su propia empresa.
Es entonces cuando el dormitorio de Larry Page se convierte en el nuevo hogar de Google,

llevando todos los equipos informticos junto a su cama. La habitacin de Sergey Brin,
situada al lado de la de Larry, se convierte en la ocina nanciera.
Google sigue indexando pginas rpidamente, y Larry y Sergey necesitan mucha ms ca-
pacidad en sus discos duros. Tienen que adquirir un terabyte, y nalmente consiguen
comprar varios discos duros rebajados, todos por $15,000.
A pesar de la ebre de los punto com de aquellos das, Larry y Sergey no consiguen en-
contrar un inversor que nancie Google, y tienen que conseguir todo el dinero de sus
familias y amigos ntimos. Mientras tanto, haban abandonado su Doctorado en Stanford.
verano 1998: En casa de un amigo comn, Sergey y Larry conocen a Andy Bechtolsheim
(cofundador de Sun Microsystems y vicepresidente de Cisco Systems), y comienzan a
charlar sobre Google. Despus de treinta minutos, Bechtolsheim les rma un cheque por
$100,000, a nombre de Google Inc.. Esta empresa, como tal, no existe, y para poder co-
brar el cheque (que est dos semanas sobre la mesa de Larry), tienen que buscar un local,
y fundar una nueva compaia: Google Inc..
septiembre 1998: Google Inc. abre sus puertas en un garaje que un amigo les alquila en
Menlo Park, en California. Rpidamente, instalan varias lneas telefnicas, un cable mo-
dem, una lnea DSL, y una plaza de aparcamiento para su primer empleado, Craig Sil-
verstein (actualmente, Director de Tecnologia de Google). 25 millones de pginas estn
indexadas
(http://web.archive.org/web/19981111183552/google. stanford.edu), y Google recibe diez
mil consultas por da. La revista PC Magazine lo incluye dentro de su lista Top 100 Web
Sites de 1998.
febrero 1999: La plantilla asciende a 8 personas, responde a 500.000 consultas por da, se
trasladan a unas nuevas ocinas en Palo Alto, y rma su primer contrato comercial con
RedHat, el cual empieza a suministrar el Sistema Operativo Linux de los servidores de
Google. Mientras tanto, continan con su campaa comercial: el boca a boca.
Fuente: google.dirson.com
1.5 Clculo a varias variables
En la revista Investigacin & Desarrollo de la Universidad Privada Boliviana de 2003 se publica

un artculo relativo a una aplicacin del lgebra Lineal al problema de mximos y mnimos
de funciones a varias variables, dicho artculo se muestra al nal del texto. A continuacin el
resumen del trabajo mencionado.
Resumen
En este artculo se presenta una aplicacin del lgebra Lineal al problema de mximos y mni-
mos de funciones a varias variables. Se considera una funcin f : U Rn R, U abierto y dos
veces diferenciable. Se toma un punto a U tal que f (a) = 0, se plantea el problema de de-
terminar si en este punto existe un mximo, mnimo o ninguna de estas situaciones. Se calcula
f (a), como se sabe esta segunda derivada es una matriz simtrica en M n,n , dependiendo de
la signatura se dar una respuesta al problema planteado.
Este problema se puede resolver empleando determinantes o empleando congruencia de ma-
trices. Puesto que el clculo de determinantes tiene un altsimo costo computacional, usual-
mente se emplea para casos de dos variables (el empleado en los textos bsicos de clculo), en
tanto que la congruencia de matrices es siempre viable an cuando n es muy grande pues se
basa en simples operaciones elementales de la y columna.
Finalmente, el propsito de este artculo, es presentar el problema de mximos y mnimos co-
mo un problema que no depende de cantidad de variables (al menos no conceptualmente).
1.6 Mensajes secretos. Criptografa
La criptografa, es la ciencia de cifrar o descifrar informacin utilizando tcnicas que hacen

posible, que slo un cierto grupo de personas autorizadas puedan tener acceso a ella. En este
texto se presenta una aplicacin en la criptografa, para esto se emplea la aritmtica modular y
el clculo de la inversa de una matriz.
1.7 Telecomunicaciones
Es conocido en el mbito de las telecomunicaciones, el rol que tiene el Anlisis de Fourier, esto
es una aplicacin del Clculo y el Algebra Lineal, temas como Matrices, Espacios Vectoriales,
Bases, etc. son parte esencial de este apasionante tema de la ingeniera.
1.8 Compresin de imgenes
La Transformada de Fourier y la Transformada Wavelets se usan actualmente en la compresores

de imgenes, esta tcnicas estn basadas en las tcnicas del Algebra Lineal y Clculo.
2 Matrices
El objetivo inicial de este captulo es la de familiarizarse con la notacin del lgebra Lineal,
se dan las deniciones que ms adelante se emplearn. Luego de esto se estudia una de las
herramientas ms importantes en la materia, a saber, las operaciones elementales de la, para
luego estudiar la reduccin de Gauss. Finalmente, se estudian la denicin y las propiedades
del determinante de una matrz cuadrada.
2.1 Qu es una matriz?
Denicin 2.1
(Matriz) Una matriz es un arreglo rectangular de nmeros (reales o complejos) dispuestos
en las y columnas.
Ejemplo 2.1
2 3 3
2 5 7
2.1.1. Notacin.
Para denotar una matriz se usarn letras maysculas y los nmeros que componen la matriz se
denotarn con la misma letra (minscula o mayscula) con un par de subndices en referencia
a la posicin que ocupa en el arreglo. La matriz se encerrar con un par de parntesis o un par
de corchetes.
Ejemplo 2.2

2 3 3 2 3 3
A= o A=
2 5 7 2 5 7
14 Matrices
Notacin para los elementos de la primera la:
a 11 = 2, a 12 = 3, a 13 = 3
o tambin
A 11 = 2, A 12 = 3, A 13 = 3
Notacin para los elementos de la segunda la:
a 21 = 2, a 22 = 5, a 23 = 7
Si A es una matriz de m las y n columnas, se escribir:

A = a i j ; i = 1, . . . , m; j = 1, . . . , n,
ms an, escribiremos A M m,n , aqu M m,n es el conjunto de matrices de m las y n colum-

nas, los nmeros a i j se llamarn entradas de la matriz A, nalmente las entradas a i i se llaman
entradas de la diagonal principal.
Aplicacin. Una compaia de artculos electrnicos fabrica televisores, celulares en dos plantas
P 1 y P 2, la siguiente matriz representa la produccin de las dos plantas por semana:
Artculo Plantas
P1 P2

Televisores 50 60

Celulares 150 100
videojuegos 80 40
2.1.2. Orden de una matriz

Si A M m,n , se dir que la matriz A es de orden m n, m por n, esto es, m las y n columnas.
Ejemplo 2.3

5 1
A= M 22
0 3
as A es de orden 2 2.
3 4 1 4

B = 3 3 2 3 M 34
0 2 3 2
luego B es de orden 3 4.
2.2 Operaciones con matrices
2.2.1. Igualdad de matrices

Matrices 15
Denicin 2.2
(Igualdad de matrices) Sean A, B M m,n , se dice que la matriz A es igual a la matriz B, lo
que escribimos A = B , si
ai j = bi j
para i = 1, . . . , m; j = 1, . . . , n.
Ejemplo 2.4 Las matrices

2 3 5 2 3 5
A= ,B=
7 9 0 7 9 0
son iguales.
Las matrices

2 3 2 3

C = 1 1 , D = 1 1
5 1 1 5
no son iguales pues c 31 = d 31
2.2.2. Producto por un nmero
Denicin 2.3
(Producto por un nmero) Sea A M m,n y r R, el producto del nmero r y la matriz A,
es la matriz en M m,n tal que
(r A)i j = r a i j ,
para i = 1, . . . , m; j = 1, . . . , n.
Nota. r = 1, en lugar de escribir (1) A, se escribir A.
Ejemplo 2.5

1 2 3 4 2 4 6 8

(2) 5 6 7 8 = 10 12 14 16
9 10 11 12 18 20 22 24
16 Matrices
2.2.3. Suma
Denicin 2.4
(Suma) Sean A, B M m,n , la suma de A y B, escrito A + B, es la matriz en M m,n tal que:
(A + B )i j = a i j + b i j
para i = 1, . . . , m; j = 1, . . . , n.
Ejemplo 2.6

1 2 3 4 7 4 2 1 6 6 5 5

5 6 7 8 + 10 8 5 3 = 15 2 12 11
9 10 11 12 12 11 9 6 21 21 2 18
2.2.4. Resta
Denicin 2.5
(Resta) Sean A, B M m,n , la resta de A y B, escrito A B, es la matriz en M m,n tal que:
(A B )i j = a i j b i j
para i = 1, . . . , m; j = 1, . . . , n.
De la denicin se sigue que A B = A + (B ) .
Ejemplo 2.7

1 2 3 4 7 4 2 1 8 2 1 3

5 6 7 8 10 8 5 3 = 5 14 2 5
9 10 11 12 12 11 9 6 3 1 20 6
2.2.5. Producto de matrices

Antes de denir el producto de matrices es necesario dar las siguientes deniciones:
Denicin 2.6
(Vector la y vector columna) Sea A M 1,n , es decir, una matriz de una sola la y n co-
lumnas, a una matriz de este orden ser llamado vector la, usualmente escribiremos
A = (a 1 , a 2 , . . . , a n ) .
Una matriz A M n,1 , ser llamado vector columna, usualmente escribiremos

Matrices 17

a1

a2
A=
..

.
an
Denicin 2.7
(Producto interior euclidiano) Sean

b1

b2
A = (a 1 , a 2 , . . . , a n ) y B =
..

.
bn
denimos el producto interior euclidiano de estos vectores como el nmero:
A B = a1 b1 + a2 b2 + + an bn .
Denicin 2.8
(Notacin para las las y columnas de una matriz) Sea A M m,n , si A 1 , A 2 , . . . A n son los
vectores columna de A, entonces la matriz A se escribir como

A = A1, A2, . . . , An .
Similarmente si A 1 , A 2 , . . . , A m son los vectores la de A, entonces A se escribir como:

A1

A2

A= .
..
Am
Ahora estamos en condiciones de denir el producto de matrices.
Denicin 2.9
(Producto de matrices) Sean A M m,r , B M r,n , tales que:

A1

A2
A=
.. ,
B = B 1, B 2, . . . , B n ,
.
Am
18 Matrices
el producto de A y B, escrito AB, es la matriz en M m,n denido por:
(AB )i j = Ai B j

b1 j

b2 j
= (a i 1 , a i 2 , , a i r )
..

.
br j

b1 j

b2 j
ai 1 ai 2 ai r
..
.

br j
es decir, la entrada i j de la matriz producto es el producto interior euclidiano de la la i

de A con la columna j de B, por tanto:

A1 B 1 A1 B 2 A1 B n

A2 B 1 A2 B 2 A2 B n
AB =
.. .. .. ..

. . . .
Am B 1 Am B 2 Am B n
Ejemplo 2.8 Considere las matrices

4 7
2 4 6
A= , B = 3 6
5 1 0
2 1
Para calcular el producto AB se realizan los siguientes pasos:
Primera columna En este clculo la primera columna de B no cambia.
Entrada (AB )11 :

4

(2, 4, 6) 3 = (2) (4) + (4) (3) + (6) (2) = 16
2
Entrada (AB )21 :

4

(5, 1, 0) 3 = (5) (4) + (1) (3) + (0) (2) = 23
2
Segunda columna En este clculo la segunda columna de B no cambia.

Matrices 19
Entrada (AB )12 :

7

(2, 4, 6) 6 = (2) (7) + (4) (6) + (6) (1) = 4
1
Entrada (AB )22 :

7

(5, 1, 0) 6 = (5) (7) + (1) (6) + (0) (6) = 41
1
De lo anterior:
4 7
2 4 6 16 4
AB = 3 6 =
5 1 0 23 41
2 1
Observacin. Es inmediato, de la denicin, que la primera columna de AB es el producto AB 1 ,

la segunda columna AB 2 , y as sucesivamente, es decir:

AB = AB 1 , AB 2 , . . . , AB n
Observacin. Es importante notar que el nmero de columnas de A (el primer factor) es igual
al nmero de las de B (el segundo factor), ms an, el orden de la matriz AB es el nmero de
las de A por el nmero de columnas de B.
Observacin. Usando la notacin sumatoria, la entrada i j de AB, es:

r
(AB )i j = ai k bk j ,
k=1
donde A M m,r , B M r,n ,
Aplicacin. Un restaurante tiene la siguiente disponibilidad de tipos de comida en un da do-

mingo: 120 platos de pique macho, 80 platos de mixto y 30 platos de pescados. Un plato de
pique cuesta 45 Bs, un plato de mixto cuesta 35 Bs y un plato de pescado cuesta 50 Bs. Em-
plearemos producto matricial para determinar la cantidad de dinero que se espera obtener si
se venden todos los platos. Las matrices que representan la cantidad y el precio son respectiva-
mente:
pique mixto Pescados

Cantidad C = 120 80 30
costo Bs

pique 45

mixto P = 35
pescados 50
20 Matrices
El costo total de todos los platos es:

45

CP = 120 80 30 35 = 9700 Bs
50
2.2.6. La transpuesta de una matriz
Denicin 2.10
(Transpuesta) Sea A M m,n , la transpuesta de A, escrito A t , es la matriz en M n,m denido

por:
A tj i = A i j
para i = 1, . . . , m; j = 1, . . . , n.
La anterior denicin motiva el siguiente proceso para el clculo de la matriz transpuesta:
La primera columna de A t es la primera la de A
La segunda columna de A t es la segunda la de A
Etc.
Ejemplo 2.9

2 1

A = 1 3 M 32
4 5

2 1 4
At = M 23
1 3 5
2.2.7. Propiedades de las operaciones matriciales

2.2.7.1. Suma
Teorema 2.1
Sean A, B,C matrices del mismo orden, entonces:
1. A + B = B + A {Conmutatividad}
2. A + (B +C ) = (A + B ) +C {Asociatividad}
3. (A + B )t = A t + B t
Demostracin. Ejercicio
Matrices 21
2.2.7.2. Producto
Teorema 2.2
Sean A, B,C matrices del orden adecuado, entonces:
1. A (BC ) = (AB )C {Asociatividad}
2. A (B +C ) = AB + AC {Distributividad del producto respecto de la suma}
3. (AB )t = B t A t
Demostracin.
1. Ejercicio.
2. Supngase que A M m,r , B,C M r,n , entonces:

r
[A (B +C )]i j = A i k (B +C )k j
k=1
r
= A i k B k j +C k j
k=1
r
= Ai k Bk j + Ai k Ck j
k=1
= (AB )i j + (AC )i j
luego A (B +C ) = AB + AC .
3. Supngase que A M m,r , B M r,n , entonces:
(AB )tj i = (AB )i j

r
= Ai k Bk j
k=1
r
= Bk j Ai k
k=1
r
= B tj k A ki
t
k=1
t
= B At ji
luego (AB )t = B t A t .
22 Matrices
2.2.7.3. Sobre el producto matricial no conmutativo
En general no es cierto que el producto sea conmutativo, como lo prueba el siguiente ejemplo:
Ejemplo 2.10 Si
2 1 3 1
A= ,B=
4 3 0 2
entonces:

2 1 3 1
6 0
AB = =
4 3 12 10
0 2

3 1 2 1 2 6
BA = =
0 2 4 3 8 6
2.2.7.4. Sobre el producto cero en matrices
Denicin 2.11
(Matriz cero) Una matriz es la matriz cero si todas sus entradas son ceros.
Es sabido que si el producto de dos nmeros es cero, entonces al menos uno de los factores
es cero, esta propiedad ya no es verdadera en teora matricial, esto es, si el producto de dos
matrices es cero, entonces no necesariamente uno de ellos es cero.
Ejemplo 2.11 Sean

2 1 1/2
A= ,B=
2 1 1
Claramente:
2 1 1/2 0
AB = =
2 1 1 0
y ni A ni B son la matriz cero.
2.2.7.5. Ejercicios propuestos

1
1. Una matriz A M 3,3 tiene la siguiente propiedad: a i j = i+j
y una matriz B M 3,3 tiene la

1
si i = j
propiedad b i j = i j :
0 si i = j
(a) Construya la matrices A y B.
(b) Calcule A + B, A B
(c) D las expresiones en trminos de i y j para (A + B )i j y (A B )i j .
Matrices 23
2. Demostrar que (A + B )t = A t + B t
3. Demostrar A (BC ) = (AB )C , donde las matrices son del orden adecuado.

1 2 3

4. Sea A = 4 5 6 , determinar una matriz B tal que
7 8 9

1 1 2

A + B = 2 3 3
4 4 5

0 3 1

Sol.: 6 2 9
3 12 4

2 4
5. Hallar el conjunto de todas las matrices que conmutan con A =
6 8

1 1
6. Sea A = , determinar una matriz B tal AB = B A.
1 1

4 3
Sol.: Una tal matriz es B =
3 4

2 2
7. Sea A = , existe una matriz no nula B tal que AB = 0?, en caso armativo en-
1 1
contrarla.

2 4
8. Sea A = , existe una matriz no nula B tal que AB = 0?, en caso armativo en-
6 12
contrarla.
9. Considere la matrices

1 1 1 2 1 1 4 1 1

A = 2 1 1 , B = 1 0 1 , C = 2 3 2 ,
1 0 2 0 1 2 1 0 1
mostrar que AB = AC , es decir, de la igualdad AB = AC no se puede concluir con B = C .
10. Sea A M n,n una matriz tal que AB = 0 para toda matriz B M n,n , probar que A = 0.

0 1
11. Sean A, B matrices en M 2,2 que conmutan con . Demuestre que AB = B A.
1 0

0 1 1 0
(Sug. Muestre que cualquier matriz que conmuta con tiene la forma a +
1 0 0 1

0 1
b donde a y b son nmeros)
1 0
24 Matrices

n
12. Una matriz A M n,n es llamada matriz de probabilidad si: (i) cada a i , j 0, (ii) ai k = 1
k=1
para i = 1, 2, . . . , n, es decir la suma de cada la es la unidad. Si A, B M n,n son matrices
de probabilidad
(a) Probar que A 2 es una matriz de probabilidad.
(b) Probar que AB es una matriz de probabilidad
13. Una entidad educativa prepara tres exmenes para una materia, y considera los primeros
dos exmenes a un 30 % cada uno, y el tercero a un 40 %. Suponga se tienen n estudiantes
en una materia y N M n,3 es la matriz de notas del curso al nalizar la materia. Cmo
calculara el promedio del curso mediante un producto matricial?
14. Una tienda de mascotas tiene 10 palomas, 8 gorriones y 5 loros. Si una paloma cuesta 12
Bs, los gorriones 15 Bs y los loros 18 Bs cada uno. Emplear producto matricial para hallar
el valor de inventario de la tienda referente a estas tres mascotas. Sol.: 330 Bs.
15. Un negocio vendi 17 artculos del tipo A, 20 del tipo B , 2 del tipo C y 19 del tipo D. Si
los precios por unidad de A, B,C y D son respectivamente 12, 10, 15 y 13 Bs. Encuentre el
valor total de la venta. Sol.: 681 Bs.
16. Un negocio tiene para la venta televisores en la siguiente cantidad y modelo
Tamao 40 35 20 15
Cantidad 5 6 12 25
Precio de venta $US 1200 999 400 250
Se pide expresar el total de venta de los televisores como un producto matricial, luego
indicar el ingreso total, si todos los televisores se venden.
17. Una fbrica produce dos modelos de autos de juguete, G1 y G2, en tres tipos: A, B y C . La
cantidad de juguetes del modelo G1 producidos por semana son: 200 unidades del tipo A,
100 del tipo B y 150 unidades del tipo C ; la cantidad e juguetes del modelo G2 producidas
por semana son 150, 250 y 400, respectivamente, de los tipos A, B y C . El modelo A lleva
20 horas de taller y 1 hora de administracin. El modelo B lleva 25 horas de taller y 1,5
horas de administracin. El modelo C lleva 30 horas de taller y 2 horas de administracin.
a) Describir la informacin dada en forma matricial.

b) Determinar las horas de taller y de administracin empleadas para cada uno de los
modelos.
Sol.: Se requieren para el modelo G1 : 11000 horas de taller y 650 horas de administracin,
y para el modelo G2 se requieren 21250 horas de taller y 1325 horas de administracin.
Matrices 25
2.3 Matrices especiales
2.3.1. Matriz cuadrada
Denicin 2.12
(Matriz cuadrada) Una matriz A M n,n se llama matriz cuadrada, as una matriz cuadra-
da tiene igual nmero de las que columnas.
2.3.1.1. Potencias
Una matriz cuadrada puede elevarse a una potencia entera positiva (luego se vern otro tipo de
potencias), Para esto denimos,
Denicin 2.13
(Potencia) Sea A M n,n , k un entero positivo, denimos A 1 = A y para k 1, la k esi

ma
k
potencia de A, escrito A , est denida por

A k = A A k1
De la denicin se deduce:
A2 = A A
A 3 = A A 2 , et c
2.3.1.2. Matriz simtrica
Denicin 2.14
(Matriz simtrica) Una matriz cuadrada A M n,n se dice simtrica si A t = A.
Ejemplo 2.12 La matriz

1 2 3

A= 2 4 5
3 5 6
es simtrica pues A t = A.
26 Matrices

1 2 3

A= 4 5 6
7 8 9
no es simtrica pues:
1 4 7 1 2 3

At = 2 5 8 =
4 5 6 = A
3 6 9 7 8 9
Teorema 2.3
La suma de matrices simtricas es simtrica, en tanto que el producto de matrices sim-

tricas no necesariamente es simtrica.
Demostracin. Sea A, B M n,n matrices simtricas entonces:
(A + B )t = At + B t
= A +B
Para probar la segunda parte es suciente un contraejemplo, sean

1 2 2 4
A= ,B=
2 3 4 5
ambas matrices son simtricas, sin embargo

1 2 2 4
AB =
2 3 4 5

6 14
=
8 23
no es simtrica.
2.3.2. Matrices triangulares
Denicin 2.15
(Matriz triangular superior e inferior) Una matriz cuadrada A M n,n es triangular supe-
rior si:
a i j = 0, para i > j
y es triangular inferior si:
a i j = 0, para i < j
Matrices 27
i , j = 1, 2, . . . , n.
Ejemplo 2.14 Las matrices

a 11 a 12 a 13 a 11 0 0

A = 0 a 22 a 23 , B = a 21 a 22 0
0 0 a 33 a 31 a 32 a 33
son, respectivamente, triangular superior y triangular inferior.
2.3.3. Matriz diagonal e identidad
Denicin 2.16
(Matriz diagonal) Una matriz D M n,n es diagonal si
d i j = 0, para todo i = j ,
es decir, una matriz diagonal es aquella que es simultneamente triangular superior e

inferior. Las matrices diagonales se denotarn como
D = d i ag (d 1 , d 2 , . . . , d n ) ,
donde d 1 , d 2 , . . . , d n son los elementos de la diagonal principal.
Denicin 2.17
(Matriz identidad) La matriz I n M n,n denida por

1 i=j
(I n )i , j =
0 i = j
se llama matriz identidad en M n,n . Una matriz que es mltiplo escalar de la identidad de
llama matriz escalar.

1 0 0

I3 = 0 1 0
0 0 1
es la identidad en M 3,3 . La matriz
c 0 0

c I3 = 0 c 0
0 0 c
es una matriz escalar en M 3,3 .
28 Matrices
2.3.4. La traza y contratraza de una matriz cuadrada
Denicin 2.18

(traza) Sea A = a i , j M n,n , la traza se dene por
t r (A) = a 11 + a 22 + + a nn
n
= ai i
i =1
Denicin 2.19

(contratraza) Sea A = a i , j M n,n , la contratraza se dene por
ctr (A) = a 1n + a 2,n1 + + a n1

n
= a i ,ni +1
i =1
2.4 La funcin matricial w
Denicin 2.20

(La matriz contraidentidad) a Una matriz Wn = w r,s M n,n tal que w r,s = 1 si r = n s +1
y 0 en otro caso, es llamada matriz contraidentidad de orden n. Si e i es el i esi
mo vector
n
cannico de R , entonces la matriz contraidentidad puede escribirse como
Wn = [e n e n1 . . . , e 1 ] .
a
Esta funcin fue denida por el autor de este texto en 1994.
Ejemplo 2.16

0 0 1

W3 = 0 1 0
1 0 0
La matriz contraidentidad tiene las siguientes propiedades:
1. Wn es simtrica.
2. Wn Wn = I n .
Matrices 29
Denicin 2.21
Denimos la funcin de M m,n en M n,m mediante A A , donde A es la matriz en
M n,m cuyo elemento a i, j es:
a i, j = a m j +1,ni +1 .

1 2 3 4

Ejemplo 2.17 Si A = 5 6 7 8 entonces con m = 3, n = 4:
9 10 11 12

a 11 = a 34 = 12

a 12 = a 24 = 8

a 13 = a 14 = 4
et c...

12 8 4
11 7
3
luego: A =
10 6 2
9 5 1
Esta funcin tiene muchas propiedades, enunciamos algunas.
Teorema 2.4
Sea A M m,n , entonces A = Wn A t Wm .
Demostracin. Para i = 1 , . . . , n, j = 1 , . . . , m,se tiene:

A = a it j = a j i
t

A t Wn = a m j +1,i

Wn A t Wn = a m j +1,ni +1

= Ai j
= A.
Teorema 2.5
Si A M m,n , (A ) = A
30 Matrices
Teorema 2.6
Sea A M m,r , B M r,n entonces (AB ) = B A .
Teorema 2.7
Sea A M n,n ,entonces t r (A ) = t r (A) .

1 2 3

1. Sea A = 2 4 5 , calcular A 2 , A 3 .
3 5 6

14 25 31 157 283 353

Sol.: 25 45 56 , 283 510 636
31 56 70 353 636 793
2. Hallar todas las matrices cuadradas de orden 2 cuyo cuadrado sea nulo.
2

0 0 0 x a ab
Sol.: , ,
b 0 0 0 b a
3. Sean:
1 1 1 2 3 2

A = 2 1 , B = 2 1 , C = 0 1
3 0 1 5 1 1
a) Encuentre una matriz D tal que A + 3B 2C + D = 0

1

b) Encuentre una matriz E tal que 2A 5B + 2C + 2E = 1 1 1
1
c) Encuentre una matriz X tal que 2 (A B + X ) = 5 (B C 2X )
5
1 1
2 1 1 2

7 52 61
Sol.: D = 4 2 , E = 2 3 , X = 6 3
2 13 1 12 13 25
4. Calcule valores de x, y tales que las siguientes matrices sean simtricas:

1 x y 1 x + y 1 2x y 0

A = 2y 1 2 ,B = x + y +1 1 3x + 5y ,
2x 2 x2 y 2 0 x + y 2 1

2 2x + y 1 3x + y

C = xy 2 0
2x y 1 0 2
Matrices 31
1 3
Sol.: Matriz A : x = 10 , y = 10 , Matriz B : x = 1 + 2t , y = t , donde t R, Matriz C : No
existen
5. Probar: Si A M m,n es simtrica, entonces A 2 es simtrica.
6. Probar que el producto de matrices triangulares superiores es triangular superior.

Sug. Si A y B son triangulares superiores, entonces si i > j :

B 1, j
..
.

B
j,j
(AB )i , j = (0, . . . , 0, A i i , . . . , A i n )
0

..
.
0
7. Probar que el producto de matrices triangulares inferiores es triangular inferior.
8. Sea A M n,n , I la matriz identidad en M n,n . (a) Calcular (I + A)2 , (b) (I + A)m , m un n-
mero natural.
9. Una matriz A M n,n tal que A p = 0, p N, se llama nilpotente. Si p es el menor entero

para el cual A p = 0, la matriz se llama nilpotente de orden p. Si A es nilpotente de orden
2, probar que A (I A)n = A.
10. Sea A nilpotente de orden 2, X y Y matrices cuadradas tal que X = Y + A y supngase que
Y y A conmutan, probar que X n = Y n1 (Y + n A) para todo natural (Se asume que Y 0 es
la identidad)
11. Supngase que A M 2,2 conmuta con todas las matrices en M 2,2 . Pruebe que A es una
matriz escalar.
12. Una matriz A es idempotente si A 2 = A. Supngase que A es idempotente y B = I A :
a) Muestre que B es idempotente,

b) Muestre que AB = B A
13. Determinar la veracidad o falsedad de las siguientes armaciones. Justique su respuesta.
a) Si AB es simtrica, entonces A y B son simtricas.

b) Si A es simtrica y P es cuadrada, entonces P AP t es simtrica.
14. Determinar a, b tales que

a 1
c 1 1 0 1 a 1
+4 = 0 b
1 2d 0 1 1 1 b
0 1
Sol.: a = 1, b = 1, c = 3, d = 52 .
32 Matrices
15. Considrese la matriz:

0 1 1

A = 0 1 1
0 0 1
Hallar una frmula para A n , donde n N.
16. Considere la siguiente grca, contruya una matriz G M 5,5 que tenga la propiedad G i j =
0 si las poblaciones no estn conectadas y G i , j si las poblaciones estn conectadas. Cons-
truya la matriz G.

1

1
17. Sean I la matriz identidad en M n,n , U =
.. M n,1 la matriz cuyas coordenadas son

.
1
1 t
unos. Calcular: A = I n U U . Probar
a) A es simtrica
b) A 2 A = A
c) La traza es n 1
18. Es verdad que (A + B )2 es igual a A 2 +2AB +B 2 . En caso de respuesta negativa, determinar

matrices A y B tales que
a) (A + B )2 = A 2 + 2AB + B 2 y
b) (A + B )2 = A 2 + 2AB + B 2 .
19. Sean A, B matrices cuadradas en M n,n . Pruebe que:

a) t r A t = t r (A)
b) t r (A + B ) = t r (A) + t r (B )
c) t r (AB ) = t r (B A)
n n
d) t r A A t = a i2j
i =1 j =1
20. Sea k R, A y B matrices cuadradas tal que AB = kB. Pruebe que A n B = k n B para todo
n N.
Matrices 33
2.5 Reduccin de Gauss
2.5.1. Operaciones elementales y equivalencia de matrices
Denicin 2.22
(Operaciones elementales de la) Sea A M m,n . Sobre las las de esta matriz se denen
las siguientes operaciones:
1. Primera operacin elemental de la. A la la i se multiplica por el escalar r = 0. Se

emplea la notacin F i (r ) , ntese que:
a i k = r (a i k ) , k = 1, . . . , n.
De lo anterior se sigue que la la F i se reemplaza con r F i .
Fi r Fi
2. Segunda operacin elemental de la. Las las i , j se intercambian. Se emplea la

notacin F i j , es claro que:
Fi F j
3. Tercera operacin elemental de la. A la la i se suma la la h multiplicada por un

nmero r. Emplearemos la notacin F i h(r ), ntese que
a i k = a i k + r (a hk ) , k = 1, . . . , n
De lo anterior se sigue que:

Fi Fi + r Fh
Las operaciones elementales de columna se denen como las anteriores, reemplazando la por
columna.
Denicin 2.23
(Operaciones elementales de columna) Sea A M m,n . Sobre las columnas de esta matriz
se denen las siguientes operaciones:
1. Primera operacin elemental de columna. A la columna i se multiplica por un

escalar r = 0. Se emplea la notacin C i (r ) , note que:
Ci r Ci
34 Matrices
2. Segunda operacin elemental de columna. Las columnas i , j se intercambian. Se

emplea la notacin C i j , se sigue:
Ci C j
3. Tercera operacin elemental de columna. A la columna i se suma la columna h

multiplicada por un nmero r. Emplearemos la notacin C i h(r ), ntese que
a ki = a ki + r (a kh ) , k = 1, . . . , m
es claro que:
Ci Ci + r Ch
Denicin 2.24
(Matrices equivalentes) Se dice que dos matrices A y B son equivalentes, lo que escribi-
remos A B, si una de ellas se obtiene de la otra mediante una sucesin nita de opera-
ciones elementales de la.
Se demuestra que si A B entonces B A; tambin si A B y B C , entonces B C .
Ejemplo 2.18 Sobre la matriz A, se realizan sucesivamente las siguientes operaciones ele-
mentales de la.
1. F 13 {Intercambio de la las 1 y 3}
2. F 32(4) {A la la 3 se suma la la 2 multiplicada por 4}

3 4 5 1 0 1

A= 2 2 0 2 2 0 =B
1 0 1 F 3 4 5 F
13 32(4)
ntese que B A.
2.5.2. Las operaciones elementales como aniquiladores

Es posible usar las operaciones elementales de modo que ciertas entradas se conviertan en
cero, este proceso se llamar aniquilamiento de entradas en una matriz.
Ejemplo 2.19 En este ejemplo se emplean operaciones elementales para llevar una matriz a
su forma triangular superior.

1 2 3 1 2 3 1 2 3

A= 4 9 6 0 1 6 0 1 6 = B
3 8 1 F 0 2 10 F 0 0 2
21(4) F 31(3) 32(2)
Nuevamente A B. Ntese que la operacin elemental:

Matrices 35
F 21(4) anula la entrada a 21
2.5.3. Forma escalonada y escalonada reducida por las
Denicin 2.25
(Elemento distinguido) Un elemento distinguido es el primer nmero distinto de cero en
una la.
Denicin 2.26
(Forma escalonada) Una matriz A se dice que est en la forma escalonada si el nmero
de ceros antes del elemento distinguido de una la crece la tras la.
Ejemplo 2.20

2 4 0 1

A= 0 0 9 0
0 0 0 4
En la primera la existen 0 ceros antes del primer nmero distinto de cero (el 2).
En la segunda 2 ceros antes del primer nmero distinto de cero ( el 9) .
En la tercera 3 ceros antes del primer nmero distinto de cero (el 4).
Por tanto A est en la forma escalonada.
Ejemplo 2.21

3 2 0 0

B = 0 0 2 6
0 0 3 0
No est en la forma escalonada porqu?.
Denicin 2.27
(Forma escalonada reducida por las) Una matriz A est en la forma escalonada redu-
cida por las si:
36 Matrices
1. Est en la forma escalonada y
2. Los elementos distinguidos son iguales a la unidad y son los nicos nmeros dis-
tintos de cero en su respectiva columna.

1 4 0 0

A= 0 0 1 0
0 0 0 1
est en la forma escalonada reducida por las (los elementos distinguidos estn en negrillas).

1 4 3 0

B = 0 0 1 0
0 0 0 1
no est en la forma escalonada reducida por las por qu? (los elementos distinguidos estn
en negrillas).
2.5.4. Reduccin de Gauss

La reduccin de Gauss consiste en llevar una matriz a su forma escalonada mediante operacio-
nes elementales, se tienen dos formas
1. Reduccin de Gauss simple
2. Reduccin de Gauss con pivote
2.5.4.1. Reduccin de Gauss simple
Consiste en aplicar operaciones elementales a una matriz de modo de llevarla a su forma esca-
lonada, sin ms argumento que el hecho de poder hacerlo.
Ejemplo 2.24

0 1 2 4 1 2 1 0

A = 1 2 1 0 0 1 2 4
2 1 1 1 F 21
2 1 1 1 F
31(2)

1 2 1 0 1 2 1 0

0 1 2 4 0 1 2 4
0 5 3 1 F
0 0 7 21
32(5)
la ltima matriz se encuentra en su forma escalonada.

Matrices 37
Ejemplo 2.25

1 1 2 0 1 1 2 0
1 1 2 0 0
0 0 0
A =
2 1 1 1 0 3 5 1
4 2 2 2 F 21(1) , F 31(2) , F 41(4)
0 6 10 2 F 23

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

0 0 0 0 0 0 0 0
0 6 10 2 F 0 0 0 0
42(2)
nuevamente la ltima matriz se encuentra en su forma escalonada.
2.5.4.2. Reduccin de Gauss con pivote
Sea d = ab , como se sabe, para anular una entrada bajo a i j se emplea la operacin elemental
ij
F i j (d ) , es claro que a i j debe ser distinto de cero, en el mtodo de Gauss simple sta es la ni-
ca condicin. La entrada a i j se llamar pivote, para minimizar los errores de redondeo, esta
entrada debe ser la mayor, en valor absoluto, de entre todos los siguientes nmeros

a i , j , a i +1, j , . . . , a m j

donde m es el nmero de las de la matriz, si el mximo ocurre en a h, j se intercambian las las
i y h y luego se procede a la anulacin de los elementos bajo a i , j como en la seccin anterior.
Ejemplo 2.26 Considrese la siguiente matriz:

1 2 0

A = 4 1 2
5 0 10
(Paso 1) Obsrvese que 5 = m ax {|1| , |4| , |5|} , el mximo ocurre en la tercera la, luego se inter-
cambiarn las las 1 con 3 y luego proceder a la aniquilacin.

1 2 0 5 0 10 5 0 10

A = 4 1 2 4 1 2 0 1 10
5 0 10 F 1 2 0 F F 1
0 2 2
1,3 21( 4
5 ) 31( 5 )
(Paso 2) Ahora 2 = m ax {|1| , |2|} y ocurre en la la 3, luego se intercambian las las 2 y 3 para
luego proceder a la aniquilacin.

5 0 10 5 0 10 5 0 10

0 1 10 0 2 2 0 2 2
0 2 2 F 0 1 10 F 0 0 9
23 32( 1
2)

5 0 10

as, A 0 2 2 con reduccin de Gauss con pivote.
0 0 9
38 Matrices
2.5.4.3. Ejercicios
Reducir las siguientes matrices a la forma escalonada (la solucin no es nica) y escalonada
reducida por las
1.

1 0 0 1 0 0

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

1 0 0 1 0 0

Sol.: 0 1 0 2 1 0
0 0 1 4 3 1
2.

1 2 1 2 1

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

1 2 1 2 1 1 0 0 1 1

Sol.: 0 1 3 4 0 , 0 1 0 1 0
0 0 5 5 0 0 0 1 1 0
3.

1 1 2 1 1
0
2 1 2 2
B =
0 1 0 2 1
0 2 2 0 1

1 1 2 1 1 1 0 0 0 1
0 3 2 4 0 1
2 0 1 0
Sol.: 1 ,
0 0 2
3
2
3 3
0 0 1 0 12
0 0 0 2 0 0 0 0 1 0
4.

3 3 1

C = 1 1 1
1 1 0

3 3 1 1 1 0

Sol.: 0 0 32 , 0 0 1
0 0 0 0 0 0
Matrices 39
5. Para qu valores de a y b, las siguientes matrices pueden llevarse a la forma identidad?
a)

a a
A=
b b
b)

a b
B=
b a
c)

1+a 0 a

C = a b 1 a + b
1b c 0 b +c
2.6 Determinante de una matriz cuadrada
2.6.1. La denicin de determinante
Denicin 2.28
(Permutacin) Sea n un nmero natural, una permutacin del conjunto {1, 2, . . . , n}, es
una reordenacin de estos nmeros.
Es un resultado del anlisis combinatorio que la cantidad de permutaciones que se tienen en

el conjunto {1, 2, . . . , n} es n!. Aqu n! es el factorial de n, y est denido por:
n! = 1 2 (n 1) n,
as:
3! = 1 2 3
4! = 1 2 3 4
por denicin 0! = 1.
Ejemplo 2.27 Considrese el conjunto {1, 2} . Las permutaciones de este conjunto son:
1, 2
2, 1
40 Matrices
Ejemplo 2.28 Considere ahora el conjunto {1, 2, 3}. Las permutaciones de ste conjunto son:
123
132
213
231
312
321
Denicin 2.29
(Inversin) En una permutacin del conjunto {1, 2, . . . , n} existe una inversin cuando un
entero precede a otro menor que l. Si el nmero de inversiones es par, se dice que la
permutacin es par, si el nmero de inversiones es impar, se dice que la permutacin es
impar. El signo de una permutacin j 1 j 2 . . . j n est denido por:

+1, si el nmero de inversiones es par
si g j 1 j 2 . . . j n =
1, si el nmero de inversiones es impar
Ejemplo 2.29 Considrese las permutaciones de los nmeros 1234
1234 es par: tiene 0 inversiones.
1324 es impar: tiene una inversin 3 con 2
4213 es par pues tiene cuatro inversiones 4 con 2; 4 con 1; 4 con 3; 2 con 1.
Denicin 2.30
(Determinante) Sea A M n,n la siguiente matriz

a 11 a 12 a 1n

a 21 a 22 a 2n
A= .. .. . . ..

. . . .
a n1 a n2 a nn
Sea j 1 j 2 . . . j n una permutacin del conjunto {1, 2, . . . , n} y considrese el producto
a1 j1 a2 j2 . . . an jn
de manera que slo exista un elemento de cada la y y slo un elemento de cada columna.
El determinante de A, escrito |A| es el nmero:

|A| = si g j 1 j 2 . . . j n a 1 j 1 a 2 j 2 . . . a n j n .
Matrices 41
donde la suma se realiza sobre las n! permutaciones del conjunto {1, 2, . . . , n}. Finalmente
diremos que n es el orden de este determinante.
Ejemplo 2.30 Determinante de segundo orden
Considere la matriz
a 11 a 12
A=
a 21 a 22
las permutaciones del conjunto {1, 2} son
12, 21
entonces se tienen los siguientes productos
a 11 a 22
a 12 a 21
por tanto:
|A| = si g (12) a 11 a 22 + si g (21) a 12 a 21

= a 11 a 22 a 12 a 21
Ejemplo 2.31 Determinante de tercer orden

a 11 a 12 a 13

A = a 21 a 22 a 23
a 31 a 32 a 33
las permutaciones del conjunto {1, 2, 3} son
123, 132, 213, 231, 312, 321
entonces se tienen los siguientes productos
a 11 a 22 a 33
a 11 a 23 a 32
a 12 a 21 a 33
a 12 a 23 a 31
a 13 a 21 a 32
a 13 a 22 a 31
42 Matrices
por tanto:
|A| = si g (123) a 11 a 22 a 33 + si g (132) a 11 a 23 a 32 + si g (213) a 12 a 21 a 33
+si g (231) a 12 a 23 a 31 + si g (312) a 13 a 21 a 32 + si g (321) a 13 a 22 a 31
= a 11 a 22 a 33 a 11 a 23 a 32 a 12 a 21 a 33
= +a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31
factorizando a 11 , a 12 y a 13 de cada par de sumandos se tiene:
|A| = a 11 (a
22 a 33 a 23
a 32 ) a 12 (a 21 a 33 a 23 a 31 ) + a 13 (a21 a 32 a 22 a 31 )
a a a
22 a 23 21 a 23 21 a 22
= a 11 a 12 + a 13
a 32 a 33 a 31 a 33 a 31 a 32
as |A| se calcula usando los elementos de la primera la con los signos que van alternadamente
de + a , concretamente:
Primer sumando: a 11 por el determinante de la matriz que resulta de eliminar la primera

la y primera columna de la matriz A.
Segundo sumando: a 12 por el determinante de la matriz que resulta de eliminar la pri-

mera la y segunda columna de la matriz A.
Tercer sumando: a 13 por el determinante de la matriz que resulta de eliminar la primera

la y tercera columna de la matriz A.
Observacin. Reordenando los sumandos es posible obtener otras posibilidades para el clculo
del determinante de una matriz en M 33 en funcin de determinantes de orden dos, en efecto:
Empleando los elementos de la segunda la se tiene:

a a a
12 a 13 11 a 13 11 a 12
|A| = a 21 + a 22 a 23
a 32 a 33 a 31 a 33 a 31 a 32
o empleando los elementos de la tercera la se tiene:

a a a
12 a 13 11 a 13 11 a 12
|A| = a 31 a 32 + a 33
a 22 a 23 a 21 a 23 a 21 a 22
Ejemplo 2.32 Empleando la primera la se tiene:

1 2 3
5 6 4 6 4 5

4 5 6 = (1) (2) + (3)
8 9 7 9 7 8
7 8 9
= (3) 2 (6) + 3 (3)
= 0
Ejemplo 2.33 Empleando la primera la se encuentra:

2 2 1
3 1 0 1 0 3

0 3 1 = (2) (2) + (1)
2 2 1 2 1 2
1 2 2
= 9
Matrices 43
2.6.2. Propiedades del determinante

2.6.2.1. Relativo a la transpuesta y al producto
P1A ) Sea A una matriz cuadrada, entonces

t
A = |A|

a b a x
Ejemplo 2.34 Sea A = , At = , luego:
x y b y
|A| = a y xb
t
A = a y bx
P1B ) Sean A, B matrices cuadradas, entonces:
|AB | = |A| |B |
2.6.2.2. Relativo a la la o columna nula
P2 ) Sea A una matriz cuadrada de una la (o columna nula), entonces
|A| = 0

a b
Ejemplo 2.35 Sea A = , el clculo del determinante da:
0 0
|A| = (a) (0) (0) (b) = 0
2.6.2.3. Relativos a las operaciones elementales
Sea A una matriz cuadrada y B la matriz obtenida de A mediante una operacin elemental de
la. (las propiedades se mantienen si las operaciones elementales son de columna)
P3 ) (Operacin elemental F i (r ) ) Si A Fi (r ) B, r = 0, entonces
|B | = r |A|

a b
Ejemplo 2.36 (Operacin elemental Fi (r ) ) Sea A = , sea B la matriz obtenida de A
c d
aplicando la operacin elemental F 2(r ) , es decir:

a b a b
A= =B
c d cr dr
F 2(r )
44 Matrices
calculando el determinante de B se tiene:

a b

|B | = = (a) (d r ) (cr ) (b)
cr d r
= r (ad
cb)

a b

= r = r |A|
c d
por tanto |B | = r |A| .
P4 ) (operacin elemental F i j ) Si A Fi j B, entonces
|B | = |A| .

a b
Ejemplo 2.37 Operacin elemental Fi j . Sea A = , sea B la matriz obtenida de A apli-
c d
cando la operacin elemental F 12 , entonces:

a b c d
A= =B
c d a b
F 12
calculando determinantes:
|A| = ad cb
|B | = cb ad = (ad cb)
as |B | = |A| .
P5 ) (operacin elemental F i j (r ) ) Si A Fi j (r ) B, r R, entonces
|B | = |A|

a b
Ejemplo 2.38 Operacin elemental Fi j (r ) . Sea A = , sea B la matriz obtenida de A
c d
aplicando la operacin elemental F 21(r ) , entonces:

a b a b
A= = B,
c d c +ra d +rb
F 21(r )
calculando los determinantes se tiene:
|A| = ad cd
|B | = a (d + r b) b (c + r a)
= ad + r ab bc r ab
= ad cd
luego |A| = |B | .
Matrices 45
2.6.2.4. Relativo a las (columnas) iguales
P6 ) Sea A una matriz cuadrada tal que dos de sus las (columnas) son iguales, entonces:
|A| = 0
Ejemplo 2.39 Sea

a b c

A= x y z
a b c
0bsrvese que las las 1 y 3 son iguales, calculando el determinante se encuentra:

y z x z x y

|A| = a b +c
b c a c a b
= a yc abz bxc + baz + cxb ca y
= 0
2.6.2.5. Relativo a una columna (la) que es una suma de vectores

P7 ) Sea A una matriz cuadrada tal que A = A 1 , A 2 , . . . , A i 1 ,W 1 + W 2 , A i +1 , . . . , A n , entonces:

1 2 i 1 1 i +1 n 1 2 i 1 2 i +1 n
|A| = A , A , . . . , A ,W , A , . . . , A + A , A , . . . , A ,W , A , . . . , A
donde A i , W1 + W2 son las columnas de A.
Ejemplo 2.40 Sea
a x1 + x2
A=
b y1 + y2
Calculando el determinante se encuentra:

|A| = a y 1 + y 2 b (x 1 + x 2 )

= a y 1 bx 1 + a y 2 bx 2

a x a x
1 2
= +
b y1 b y2
por tanto:
a x +x a x a x
1 2 1 2
= +
b y1 + y2 b y1 b y2
2.6.2.6. Relativo a matrices triangulares
P8 ) El determinante de una matriz cuadrada triangular (inferior o superior) es el producto de

las entradas de la diagonal principal.
Ejemplo 2.41

a

0 b = abc

0 0 c
46 Matrices
2.6.2.7. Clculo del determinante empleando operaciones elementales
Empleando operaciones elementales, es posible llevar la matriz a su forma escalonada, cuidan-

do de emplear adecuadamente las propiedades. Recordemos que stas son:
Operacin elemental Efecto

multiplicacin por escalar determinante original por el escalar
cambio de las cambio de signo
tercera operacin elemental ninguno
Ejemplo 2.42

2 7 3 1 2 2

1 2 2 = (1) 2 7 3

3 5 1 F 3 5 1 F , F

21 21(2) 31(3)
1 2 2

= (1) 0 3 1

0 1 5 F
32
1 2 2

= (1)2 0 1 5

0 3 1
F 32(3)

1 2 2

= (1)2 0 1 5

0 0 16
= (1)2 (1) (1) (16)
= 16
2.6.3. Menor complementario y cofactor (adjunto) de un elemento
Denicin 2.31
(Menor complementario) Sea A M n,n . Sea M i j M n1,n1 la matriz que resulta de eli-

minar la la i y la columna j en la matriz A. El determinante M i j se llama menor com-
plementario de A, tambin se llamar simplemente menor. El nmero

i j = (1)i + j M i j
se llamar cofactor (o adjunto) de la entrada a i j .
Observacin. Los signos (1)i + j de los cofactores de todos los elementos de A siguen la siguien-
te regla: Los signos se alternan ya sea en las o columnas. As para A M 3,3 los signos (1)i + j
Matrices 47
son:
+ +

+
+ +
Ejemplo 2.43 Considere la matriz

a 11 a 12 a 13

A = a 21 a 22 a 23
a 31 a 32 a 33
entonces:
a a a
22 a 23 21 a 23 21 a 22
|M 11 | = , |M 12 | = , |M 13 | =
a 32 a 33 a 31 a 33 a 31 a 32
y
11 = (1)1+1 |M 11 | = |M 11 |
12 = (1)1+2 |M 12 | = |M 12 |
13 = (1)1+3 |M 13 | = |M 13 |
Observacin. Del ejemplo 2.31 se tiene
|A| = a 11 |M 11 | a 12 |M 12 | + a 13 |M 13 |
= a 11 11 + a 12 12 + a 13 13
esto no es casualidad, como se puede apreciar en el siguiente teorema.
Teorema 2.8
(Desarrollo por cofactores a travs de una la) Sea A M n,n , entonces

n
Desarrollo por cofactores
|A| = a i k i k , i = 1, . . . , n
k=1 por la la i
Teorema 2.9
(Desarrollo por cofactores a travs de una columna) Sea A M n,n , entonces

n
Desarrollo por cofactores
|A| = a k j k j , j = 1, . . . , n
k=1 por la columna j
48 Matrices
Ejemplo 2.44

2 0 3

A = 1 1 1
3 1 0
los signos de los cofactores son

+ +

+
+ +
A continuacin realizamos el clculo del determinante de tres maneras.
(Cofactores a travs de la primera la) Los signos sern +, , +.

1 1 1 1 1 1

|A| = +2 (0) + (3) =4
1 0 3 0 3 1
(Cofactores a travs de la segunda la) Los signos son , +,

0 3 2 3 2 0

|A| = (1) + (1) (1) =4
1 0 3 0 3 1
(Cofactores a travs de la primera columna) Los signos son +, , +

1 1 0 3 0 3

|A| = (2) (1) + (3) =4
1 0 1 0 1 1
2.6.4. Menor y menor principal
Denicin 2.32
(Menor) Un menor de una matriz A M m,n es el determinante de la submatriz obtenida
de A tomando algunas las y algunas columnas. El orden del menor es el nmero de las
(columnas).

Ejemplo 2.45 Sea A = ai j M5,5 . Tomando las las 3, 4, 5 y las columnas 1, 2, 5 se tiene el
menor de orden 3:

a la 3 con las columnas 1, 2, 5
31 a 32 a 35

a 41 a 42 a 45 la 4 con las columnas 1, 2, 5

a 51 a 52 a 55 la 5 con las columnas 1, 2, 5
Matrices 49
Ejemplo 2.46 Considrese

1 2 3 4

5 6 7 8
A=
9 10 11 12
13 14 15 16
tomando las las 2, 4 y las columnas 3, 4 se tiene el menor de orden 2:

7 8

15 16
Denicin 2.33
(Menor principal) Si los elementos de la diagonal principal del menor son tambin ele-
mentos de la diagonal principal de A, el menor se llama menor principal.
Ejemplo 2.47 Un menor principal de la matriz del ejemplo anterior se encuentra con las las
1, 3 y las columnas 1, 3
1 3

9 11
2.6.5. Rango de una matriz

2.6.5.1. La denicin de rango
Denicin 2.34
(Rango) El rango de una matriz cuadrada no nula A es igual a r, lo que escribiremos
r ang o (A) = r, si al menos uno de los menores cuadrados de orden r es distinto de cero,
siendo nulos los menores cuadrados de orden r + 1. Por denicin el rango de la matriz
nula es 0.
Ejemplo 2.48 Considere

2 0 1

A = 1 1 1
3 1 0

2 0

el determinante = 2, y |A| = 0, entonces r ang o (A) = 2.
1 1
50 Matrices
Teorema 2.10
El rango de A es igual al rango de su transpuesta, es decir:

r ang o (A) = r ang o A t
2.6.5.2. Teoremas y un algoritmo relativo al clculo del rango
Teorema 2.11
El rango de una matriz no varia mediante operaciones elementales de la o columna.
Teorema 2.12
El rango de una matriz que est en la forma escalonada es el nmero de las no nulas.
Los dos teoremas previos nos dan un algoritmo para calcular el rango de una matriz, pues si se
est interesado en calcular el rango de una matriz A, entonces se deben seguir con los siguientes
pasos:
1) Realizar operaciones elementales de la de modo de obtener la forma escalonada de la

matriz,
2) Se cuentan el nmero de las no nulas; si este nmero es r, entonces:
r ang o (A) = r.
Ejemplo 2.49 Se calcular el rango de la matriz

1 2 3 2

A = 3 6 10 8
2 4 7 6
Solucin.

1 2 3 2 1 2 3 2 1 2 3 2

A = 3 6 10 8 0 0 1 2 0 0 1 2
2 4 7 6 F 0 0 1 2 F 0 0 0 0
21(3) F 31(2) 32(1)
la ltima matriz est en la forma escalonada, y sus dos primeras las no son nulas, entonces
r ang o (A) = 2.
Matrices 51
Ejemplo 2.50 Ahora considrese la matriz

1 2 0

B = 1 0 0
1 6 1

1 2 0 1 2 0 1 2 0

B = 1 0 0 0 2 0 0 2 0
1 6 1 F 0 4 1 F 0 0 1
21(1) F 31(1) 32(2)
la ltima matriz est en su forma escalonada, no tiene ninguna la nula, es decir r ang o (B ) = 3.
1. Determinar si las siguientes permutaciones son pares o impares encontrando el nmero

de inversiones.
a) 3214. Sol.: impar

b) 4213. Sol.: par
c) 32154. Sol.: par
d) 13524. Sol.: impar
e) 42531. Sol.: impar
2. Aplicando propiedades mostrar que

2 1 1

1 2 1 =0

1 1 2
3. Sin hacer el desarrollo por cofactores calcular:

1 a b +c

1 b a +c

1 c a +b
Sol.: 0.
4. Empleando propiedades de determinante probar:

x +y y +z z +x x y z

p + q q +r r + p = 2 p q r

a +b b +c c +a a b c
52 Matrices
5. Empleando propiedades de determinante probar:

a4 a3 a2 1 a3 a2 a bcd

b4 b3 b2 b3 b2 b
1 acd
=
c4 c3 c2 1 c3 c2 c abd

d4 d3 d2 1 d3 d2 d abc
6. Sin hacer el desarrollo del determinante prubese que:

b 2 + a 2 1 a 2 a 2 1 b 2

2 2 2
b c 1 b = b 1 c
2 2

a 2 + c 2 1 c 2 c 2 1 a 2
7. Empleando propiedades mostrar que:
a)

3 5 5

3 x 5 = 3 (x 5) x 2 5

3 1 x 2
b)

a2 a 1
1 1
2
a 2 a 2 1 = (a 1 a 2 ) (a 2 a 3 ) (a 3 a 1 )
2
a a3 1
3
c)

a 1 a3

b 1 b 3 = (b c) (a c) (a b) (a + b + c)

c 1 c3
d)

1 1 1 1

2
x3
1 x x
= x 2 4x 3 (x 1)4
3 x + 2 2x + 1 3x

3 2x + 1 x 2 + 2 3x 2
e)

3 3 3 2

z +3 0
0 0
= 2 (z + 3) z 2 + 3 z 3 + 3
15 z + 18 z + 18 10
2

z 3 + 21 5z 1 z 2 + 13 12
Matrices 53
f)

1 1 1

x y z = x y y z (z x)

y z xz x y
g)

y +z x +z x+y

x y z =0

x +y +z x +y +z x +y +z
h)

x+y x y

y x+y x = 2 x + y x2 x y + y 2

x y x+y
i)

1+a a a a

a 1a
a a
= 1 8a 2 + 8a 3
a a 1+a a

a a a 1a
j)

x +a x x x

x x a
x x
= a2b2
x x x +b x

x x x x b
k)

ab b 2 a 2 ab

ab a 2 b 2 ab

= (a b)4 (a + b)4
a 2 ab ab b 2

b 2 ab ab a 2
l)

a2 r ab ab b2

a2 r b2 2
ab ab
= (a + b)2 r (a b)2 r a 2 b 2 r
ab b2 a2 r ab

b2 ab ab a2 r
(Sug. Podra sumar las ltimas tres columnas a la primera y factorizar (a + b)2 r )
54 Matrices
8. Hallar el determinante de:

x 1 1

1 x 1
..
.. .. . .
. . . .

1 1 x
(Es una matriz con unos en cada entrada fuera de la diagonal y x en la diagonal). Sol.:
(x 1)n1 (x + n 1) .
9. Hallar el determinante de:

1 n n . . . n

. . . n
n 2 n

n n 3 ... n

.. .. .. .. ..
. . . . .

n n n ... n
Sol.: (1)n1 n!.
10. Se dice que una matriz es ortogonal si A t A = I . Probar que si A es ortogonal |A| = 1.
11. Sea A M n,n , probar que |k A| = k n |A| .
12. Una matriz A es antisimtrica si A t = A. Si A es antisimtrica, es cierto que el determi-

nante de A es cero?
13. Hallar todas las matrices en M 2,2 A y B tales que |A| + |B | = |A + B | . Sol.: Si A =[A 1 A 2 ]y
2 2
B = [B 1 B 2 ] , esta matrices deben vericar: |A 1 B 2 |+|B 1 A 2 | = 0, por ejemplo (A = ,
8 1

4 1
B= )
3 5
14. Determinar el rango de las siguientes matrices.

2 2 1

a) A = 1 0 3 . Sol.: rango(A) = 2.
1 2 4

1 1 0

2 1 1

b) B =
0 1 1 . Sol.: rango(B ) = 3.

3 1 2
5 0 3

0 c b

15. Calcular del determinante de A = c 0 a . Sol.: 2abc
b a 0
Matrices 55
16. Determinar los valores de k de modo que las siguientes matrices tengan rango igual al
orden de la matriz.

1 0 1

a) 2 k k . Sol.: k = 1 y k = 0.
2 k 1

1 1 1

b) 1 1 + k 2 . Sol.: k = 4, k = 0.
1 1 + 2k k 5

1 1 1

c) 1 3 0 Sol.: k = 2
2 2 k

1 1 1

d) 1 3 0 Sol.: k = 2, k = 0
2 2 2 2k + k 2

6 12 + 7a 6 19a + 5b

e) 3 6 + 3a 3 8a + 2b Sol.: a = b, a = 0
1 2 + a 1 3a + b
17. Determinar los valores de k de modo que las siguientes matrices tengan rango igual a 2.

6 18 2k

a) 7 2 4 . Sol.: k = 73
13
4 10 6

2 0 0 1
1 1 2 2

b) Sol.: no existe
2 k 0 1
1 0 k 1
c) (Determinantes AMARU-SOFT) Hallar la factorizacin del determinante de la ma-
triz:
x 4 1 5 5
8x 32 x + 13 35
41
A=
4x 2 10x 24 x 2 + 14x + 31 22x + 40 15x 4
x 2 16 5x 2 + 28x + 14 x 2 + 10x 3 22x 10
Sol.: |A| = (x 4)(x + 5)(x + 5)(x + 5)
d) (Determinantes AMARU-SOFT) Sin emplear cofactores, hallar la factorizacin del
determinante de la matriz:

x x x x +b
x +b x
x x
A=
x x +b x x
x x x + b, x
56 Matrices
Sol.: |A| = b 3 (b + 4x)

e) (Determinantes AMARU-SOFT) Hallar la factorizacin del determinante de la ma-
triz:
2x 8 8 2 2
x 2 4x 5x 6 x +6 x +1

A= 2
x 4x 0x + 24 2x 18 x
2
x 4 6x 32 x + 43 x + 8x + 27
Sol.: 2(x + 6)(x + 4)2 (x 4)(x 6)

f ) (Determinantes AMARU-SOFT) Hallar la factorizacin del determinante de la ma-
triz:
4x 12 12 4 4
x 2 3x x 2 6x + 20 6x 20 2x 4

A= 2
x 3x 2x + 25 2x 20 x 2
x 3 x + 8 x +1 x +6
Sol.: 4(x + 5)(x + 3)(x 3)(x 4)(x 5).

g) (Determinantes AMARU-SOFT) Hallar la factorizacin del determinante de la ma-
triz:
5 5 5 2
u + 25 30 12
30
A=
5u + 14 40 u + 35 16
2
2u + 50 u 3 + 60 5u 2 + 37 19

Sol.: (u 5) u 2 5 2u 3 + 25 .
h) (Determinantes AMARU-SOFT) Hallar la factorizacin del determinante de:

uv u 2 v 2 uv
uv v 2 u 2 uv

A= 2
v uv uv u
2
u 2 uv uv v 2
.
Sol.: |A| = (u v)4 (u + v)4
2.7 Sabias que?
(Tomado de http://www.enterate.unam.mx/Articulos/2003/mayo/progext.htm)
qu tan grave puede ser que se suscite un error?
En el periodo de 1985 a 1987, seis personas fueron sobreexpuestas a radiacin por un trata-
miento contra el cncer que era proporcionado con ayuda de una mquina llamada Therac-25.
Se cree que tres de estos seis pacientes fallecieron debido a la sobreexposicin, causada por un
Matrices 57
error en el software de la mquina Therac-25 y por la falta de monitoreo de los operadores de

la mquina.
En 1995, el procesador Pentium de Intel present un error de software, codicado en su hard-
ware, que llevaba a la imprecisin en las operaciones de divisin de nmeros con punto otan-
te. Intel predeca que este problema slo lo notara una persona cada 27 mil aos, no obstante,
fue tan conocido, que la empresa perdi ms de 400 millones de dlares en reemplazos del
procesador.
El 4 de junio de 1996, la nave espacial Ariane 5, a los 40 segundos de haber iniciado su secuencia
de vuelo y a una altitud de 3,700 metros, se sali de su ruta y explot. El problema fue ocasiona-
do por el software de navegacin que hered del Ariane 4 y que no fue debidamente probado.
Durante la Guerra del Golfo, un misil americano Patriot, fall en rastrear e interceptar un misil
Scud iraqu, el cual mat a 28 soldados e hiri a 100 personas. El problema se produjo por un
error en los clculos del Sistema de Control de Armas; cuando ocurri el incidente, el sistema
haba trabajado por ms de 100 horas, para entonces, la imprecisin del software se acumul y
ocasion que el sistema buscara en el lugar equivocado el misil Scud.
3 Sistemas de ecuaciones lineales
En este captulo se dene un sistema de ecuaciones lineales, se estudia un teorema relativo al

rango y las soluciones, se entudia tambin una tcnica simple para determinar todas las so-
luciones de un sistema. En una segunda parte se estudia la posibilidad de invertir una matriz
cuadrada y las condiciones bajo las cuales esto es posible. Finalmente se estudia la regla de
Cramer para resolver sistemas cuadrados.
3.1 Introduccin
3.1.1. La denicin de sistema lineal

Un sistema lineal de m ecuaciones con n incgnitas tiene la forma:
a 11 x 1 + a 12 x 2 + + a 1n x n = b 1
a 21 x 1 + a 22 x 2 + + a 2n x n = b 2

a m1 x 1 + a m2 x 2 + + a mn x n = b m
los nmeros a i j son los coecientes del sistema, los b i se llaman trminos independientes y los
x i se llaman incgnitas del sistema. Si cada b i es cero, el sistema se llama sistema homogneo.
3.1.2. Notacin matricial

El anterior sistema puede escribirse como Ax = b, donde A M m,n es la matriz

a 11 a 12 a 1n

a 21 a 22 a 2n
A=
.. .. . . ..

. . . .
a m1 a m2 a mn
b M m,1 , x M n,1 son los vectores:

b1 x1

b2 x2
b=
.. , x =
..

. .
bm xn
3.1.3. La solucin de un sistema lineal

Un vector x es solucin de un sistema lineal Ax = b, si satisface la ecuacin matricial, esto a su
vez signica que el vector x satisface cada una de las ecuaciones del sistema.
Ejemplo 3.1 El siguiente sistema, es de 2 ecuaciones con 3 incgnitas:

x1
1 2 3 5
x2 =
2 2 2 2
x3
una solucin de este sistema es el vector:

2

x = 0
1
pues

2
1 2 3 5
0 =
2 2 2 2
1
3.2 Teorema de existencia de soluciones
Denicin 3.1
(Matriz ampliada) Considere el sistema lineal Ax = b, A M m,n . La matriz obtenida de
aadir a la matriz A la columna b, denotada por [A : b] M m,n+1 se llama matriz ampliada
(o matriz aumentada).
Las soluciones de un sistema Ax = b, A M m,n estn completamente determinadas por el ran-

go de A y el rango de la matriz ampliada [A : b] , eso es lo que arma el siguiente teorema.
Sistemas de ecuaciones lineales 61
Teorema 3.1
Sea Ax = b, un sistema de m ecuaciones y n incgnitas, entonces:
1. El sistema no tiene solucin ssi
r ang o (A) = r ang o ([A : b]) .
2. El sistema tiene innitas soluciones ssi
r ang o (A) = r ang o ([A : b]) < n.
3. El sistema tiene solucin nica ssi
r ang o (A) = r ang o ([A : b]) = n.
En los tres siguientes ejemplos determinaremos si los sistemas tienen o no soluciones.

Ejemplo 3.2

x1
1 2 1 3
x2 =
3 5 1 1
x3
Via operaciones elementales calcularemos el rango de la matriz ampliada [A : b] :

1 2 1 : 3 1 2 1 : 3
[A : b] =
3 5 1 : 1 0 1 2 : 10
F 21(3)
es claro que r ang o (A) = r ang o ([A : b]) = 2 < 3, luego el sistema tiene innitas soluciones (teo-
rema 3.2).
Ejemplo 3.3

1 2 1 x1 2

3 5 1 x 2 = 1
4 7 0 x3 5
Mediante operaciones elementales calcularemos el rango de la matriz ampliada [A : b] :

1 2 1 : 2 1 2 1 : 2

[A : b] = 3 5 1 : 1 0 1 4 : 5
4 7 0 : 5 F ,F 0 1 4 : 3 F
21(3) 31(4) 32(1)

1 2 1 : 2

0 1 4 : 5
0 0 0 : 2
luego r ang o (A) = 2, r ang o ([A : b]) = 3, por tanto el sistema no tiene soluciones (teorema 3.2).
Ejemplo 3.4

1 2 1 x1 1

3 5 1 x 2 = 14
4 7 5 x3 0

1 2 1 : 1 1 2 1 : 2

[A : b] = 3 5 1 : 14 0 1 4 : 11
4 7 5 : 0 F ,F 0 1 1 : 4 F
21(3) 31(4) 32(1)

1 2 1 : 2

0 1 4 : 11
0 0 5 : 15
luego r ang o (A) = r ang o ([A : b]) = 3, es decir, el sistema tiene solucin nica (teorema 3.2).
3.3 Soluciones de un sistema triangular
3.3.1. Sistema triangular superior

Un sistema Ax = b, con A M n,n , es triangular superior si la matriz A es triangular superior. Si
r ang o (A) = n, el sistema se resuelve con el algoritmo de sustitucin inversa.
Ejemplo 3.5 Considere el sistema triangular

a 11 a 12 a 13 x1 b1

0 a 22 a 23 x 2 = b 2
0 0 a 33 x3 b3
Si r ang o (A) = 3, entonces ninguno de los elementos de la diagonal principal pueden ser nulos.
La solucin se encuentra sucesivamente en los siguientes pasos:
x 3 se encuentra de la ecuacin a 33 x 3 = b 3 , de donde

b3
x3 =
a 33
x 2 se encuentra de la ecuacin a 22 x 2 + a 23 x 3 = b 2 , de donde

1
x2 = (b 2 a 23 x 3 )
a 22
x 1 se encuentra de la ecuacin a 11 x 1 + a 12 x 2 + a 13 x 3 = b 1 , de donde

1
x1 = (b 1 a 12 x 2 a 13 x 3 )
a 11
Teorema 3.2
Sea Ax = b, es un sistema triangular A M n,n de rango n, entonces las soluciones son:
bn
xn =
a nn

1 n
xj = bj a j k x k , j = n 1, n 2, . . . , 1
aj j k= j +1
este algoritmo se llama de sustitucin inversa.
3.3.2. Sistema triangular inferior

Un sistema Ax = b, con A M n,n , es triangular inferior si la matriz A es triangular inferior. Si
r ang o (A) = n, el sistema se resuelve con el algoritmo de sustitucin directa.
Ejemplo 3.6 Considere el sistema triangular inferior

a 11 0 0 x1 b1

a 21 a 22 0 x 2 = b 2
a 31 a 32 a 33 x3 b3
Si r ang o (A) = 3, entonces ninguno de los elementos de la diagonal principal pueden ser nulos.
La solucin se encuentra sucesivamente con los siguientes pasos:
x 1 se encuentra de la ecuacin a 11 x 1 = b 1 , de donde
b1
x1 =
a 11
x 2 se encuentra de la ecuacin a 21 x 1 + a 22 x 2 = b 2 , de donde
1
x2 = (b 2 a 21 x 1 )
a 22
x 3 se encuentra de la ecuacin a 31 x 1 + a 32 x 2 + a 33 x 3 = b 3 , de donde
1
x3 = (b 3 a 31 x 1 a 32 x 2 )
a 33
Teorema 3.3
Sea Ax = b, un sistema triangular inferior con A M n,n de rango n, entonces las solucio-
nes del sistema son:
b1
x1 =
a 11

1
j
1
xj = bj a j k x k , j = 2, . . . , n
aj j k=1
este algoritmo se llama de sustitucin directa.
3.4 Sobre las soluciones del sistema Ax = b
3.4.1. Sistemas equivalentes
Denicin 3.2
(Sistemas equivalentes) Sea Ax = b, un sistema con A M m,n y [A : b] su matriz aumen-

tada. Sea A : b una matriz equivalente a la matriz [A : b] , entonces los sistemas Ax = b
y A x = b se llaman equivalentes.
Las operaciones elementales no modican la solucin de un sistema lineal, como se arma en

el siguiente teorema.
Teorema 3.4
Las soluciones de dos sistemas equivalentes son iguales.
3.4.2. Variables libres
Denicin 3.3
(Variable libre) Sea Ax = b, un sistema lineal con A M m,n tal que [A : b] se encuentra en
su forma escalonada, sea j la columna en donde no existe un elemento distinguido, en
ese caso la variable x j se llamar variable libre.
Ejemplo 3.7 Considere el sistema

x1
2 1 3 1 4
x2
0 0 1 3 = 1
x3
0 0 0 2 2
x4
la matriz aumentada es:

2 1 3 1 : 4

0 0 1 3 : 1
0 0 0 2 : 2
los elementos distinguidos se encuentran en las columnas 1, 3, 4, por tanto la nica variable
libre es x 2 .
Teorema 3.5
Si [A : b] se encuentra en la forma escalonada y r ang o (A) = r ang o (A : b) , y se tiene al

menos una variable libre, entonces se tienen innitas soluciones.
3.4.3. Clculo de la solucin de un sistema Ax = b

Los resultados previos justican el siguiente proceso para resolver un sistema lineal Ax = b,
donde A M m,n .
Paso 1 Construir la matriz aumentada [A : b] .

Paso 2 Llevar [A : B ] a la forma escalonada A : b .
Paso 3 Identicar las variables libres.
Paso 4 Asignar valores arbitrarios a las variables libres o parmetros. Este hecho origina un
sistema cuadrado triangular superior.
Paso 5 Se resuelve el sistema triangular superior, encontrndose as las incgnitas faltantes.
Paso 6 Se escribe la solucin.

Ejemplo 3.8

x1
1 2 1 3
x2 =
3 5 1 1
x3

1 2 1 : 3 1 2 1 : 3
[A : b] =
3 5 1 : 1 0 1 2 : 10
F 21(3)
Claramente el sistema tiene innitas soluciones. La variable libre es x 3 Sea x 3 = t , t R, as el

sistema se transforma en:
1 2 x1 3t
=
0 1 x2 10 + 2t
que como se esperaba es triangular superior, resolviendo por sustitucin inversa se tiene suce-
sivamente:
x 2 = 10 2t
x 1 = 3 t 2 (x 2 )
= 3 t 2 (10 2t )
= 17 + 3t
por tanto la solucin del sistema es:

17 + 3t

x = 10 2t , t R
t
el sistema tiene innitas soluciones (para cada valor de t se tiene una solucin).
Ejemplo 3.9 Resolver

1 2 3 2
2 1 0 x1
1
x2 =
1 0 3 1
x3
1 1 3 2
Solucin.

1 2 3 : 2 1 2 3 : 2
2 1 0 : 5
1 0 3 6 :
[A : b] =
1 0 3 : 1 0 2 0 : 1
1 1 3 : 2 F 21(2) , F 31(1) , F 41(1)
0 1 6 : 4 F
24

1 2 3 : 2 1 2 3 : 2
4
0 1 6 : 4 0 1 6 :

0 2 0 : 1 0 0 12 : 7
0 3 6 : 5 F 32(2) , F 42(3)
0 0 12 : 7 F
43(1)

1 2 3 : 2
6 : 4
0 1

0 0 12 : 7
0 0 0 : 0
Puede observarse que el sistema no tiene variables libres. Por otra parte el sistema tiene solu-
cin nica pues r ang o (A) = r ang o [A : b] = 3 = nmero de variables. Empleando sustitucin
inversa se tiene:
x 3 = 7/12
x 2 = 1/2
x 1 = 3/4
Por tanto la solucin del sistema es:

3
4

1
x =
2
7
12

x1
1 1 1 1 6
x2
3 3 4 5 = 29
x3
1 1 3 5 28
x4
Solucin.

1 1 1 1 : 6 1 1 1 1 : 6

[A : b] = 3 3 4 5 . 29 0 0 1 2 . 11
1 1 3 5 : 28 F 0 0 2 4 : 22 F
21(3) , F 31(1) 32(2)

1 1 1 1 : 6

0 0 1 2 . 11
0 0 0 0 : 0
las variables libres son: x 2 y x 4 . Sean
x2 = t
x4 = s
entonces, el sistema se convierte en:
x1 + x3 = 6 + x2 x4
x 3 = 11 2x 4
Reemplazando x 2 = t y x 4 = s, se tiene el sistema triangular
x1 + x3 = 6 + t s
x 3 = 11 2s
de donde sucesivamente:
x 3 = 11 2s
x 1 = 6 + t s (11 2s)
= 5 + t + s

5 + t + s

t
x = , t,s R
11 2s
s
Ntese que la solucin puede escribirse como:

5 1 1
0 1
0
x = +t +s
11 0 2
0 0 1
Ejemplo 3.11 Considere el siguiente sistema:

1 1 0 x1 2

0 k 2 x2 = 1
0 0 k 2 x3 k 1
determinaremos los valores de k para que el sistema (a) tenga solucin nica, (b) tenga innitas
soluciones, (c) no tenga soluciones.
Solucin. (a) El rango de la matriz de coecientes debe ser igual al rango de la matriz ampliada
e igual a 3, esto solo puede darse si k = 2 y k = 0.
(b) r ang o (A) = 2 para k = 0 o k = 2. Para k = 2, r ang o [A : b]=3, por tanto para este valor no se
pueden tener innitas soluciones (en realidad no se tienen soluciones), para k = 0, r ang o [A : b] =
2, por tanto, para k = 0 se tienen innitas soluciones.
(c) Por lo anterior el sistema no tiene soluciones para k = 2.
1. Determinar las condiciones que deben cumplir los as de modo los siguientes sistemas
tengan solucin
x 2y = a 1 x 2y + z = a 1
2x + y = a 2 3x + 2y = a 2
4x + 3y = a 3 4x 2y + z = a 3
2. Hallar los valores de k de modo que los siguientes sistemas (a) tengan solucin nica, (b)
tengan innitas soluciones, (c) no tengan soluciones
a)

1 0 1 x 2

2 k k y = 4
2 k 1 z 5 + k 2
Sol.: (a) k = 1 y k = 0, (b) k = 1, (c) k = 0.

b)

1 1 1 x 1

1 1 + k 2 y = 1
1 1 + 2k k 5 z 5+k
Sol.: (a) k = 0, k = 4, (b) No, (c) k = 4, k = 0.

c)

1 1 1 x 2

1 3 0 y = 1
2 2 k z 4+k
Sol.: (a) k = 2, (b) no, (c) k = 2

d)

1 1 1 x 2

1 3 0 y = 3
2 2 2 2k + k 2 z k +2
Sol.: (a) k = 2, k = 0,(b) k = 2,(c) k = 0

e)

k 1 1 x k

1 k/4 1 y = 2k
k 1 k z k
Sol.: (a) k R {1, 2} , (b) Innitas soluciones k = 1, (c) k = 2

f)

k 4 4 x k

1 k 1 y = 2k
4 1 k z 4
Sol.: (a) k R {5, 1, 4} , (b) No existe el caso de innitas soluciones, (c) k {5, 1, 4} .
3. Analizar las soluciones del sistema tomando en cuenta el valor de y .

1 /2 x

2 y =
0 1 z
Sol.:
a) Innitas soluciones para = 2, = 4/3 y = 0, = 0.

b) Sin solucin para = 2, = 4/3 y = 0, R {0}
c) Solucin nica para = 2 y = 0

1 1 a

4. Dados u 1 = 2 , u 2 = 0 , u 3 = 1 determinar que condicin ha de cumplir a
1 a 1

1

para que v = 1 pueda escribirse como v = x u 1 + y u 2 + z u 3 . Sol.: a R {1, 3/2} .
1
5. Resolver:
x1
1 1 1 2 1 2
x2
2 2 1 5 1 0
x3 =
2 2 3 4 2

10

x4
1 1 2 0 3 4
x5

8 + t 3s

t

Sol.:
6

2+s
s
6. Resolver:
x

1 2 0 1 0 y 2

= 3
1 2 1 1 0
z

1 2 1 3 1 u 3
w

2 2t 1 t 2

t1

Sol.:
1 2t 2

t2
2
7. Resolver:
x

0 0 3 6 2 y 2

= 3
1 2 1 1 0
z

1 2 1 3 1 u 3
v

1 2t 1 t 2

t1

Sol.:
2 2t 2

t2
4
8. Resolver:
x
1 2 0 1 2
y
1 2 1 1 = 3
z
1 2 1 3 1
w
Sol.: No existen.
9. Resolver:
1 0 0 x 2

1 1 1 y = 3
1 1 1 z 1

2

Sol.: 1 t 1
t1
10. Determine un polinomio de grado 2 que pase por los puntos:
(2, 17) , (1, 7) , (3, 7)
11. (Existencia de soluciones AMARU-SOFT) Hallar los valores de k de modo que el sistema
tenga (i) Sol nica, (ii) innitas soluciones, (ii) ninguna solucin

5 5 2 x1 5
2
k 6 30 13 x 2 = k + 24
6k 2 191 25 k 2 9 x3 7k 13
Sol.: (i) k {6, 6, 5, 5} (iii) k {5, 5, 6, 6}
12. (Existencia de soluciones AMARU-SOFT) Hallar los valores de b de modo que el sistema
tenga (i) Sol nica, (ii) innitas soluciones, (ii) ninguna solucin

2 1 6 x1 6

4 b 2 b 2 8b + 28 x 2 = b 2 + 2b + 14
2 6b 23 8b 2 62b + 126 x3 8b 2 + 4b + 24
Sol.: (i) b {4, 3}, (ii) b = 3;, (iii) b = 4
13. (Existencia de soluciones AMARU-SOFT) Hallar los valores de x y y de modo que el sis-
tema tenga (i) Sol nica, (iii) innitas soluciones, (ii) ninguna solucin

x 3 y x1 3

3x x + 9 3y 1 x 2 = y 4
2 2
3x x + 9 4x + y + 3y 1 x3 2y 2x 4

21
Sol.: (i) x = 0, y = 2x, (ii) x = 0, y = 0 o tambin: x = 0, y = 25 o tambin: y = 2x,
2
(iii) x = 0, y 52 221 . o tambin: x = 0, y = 2x
14. (Existencia de soluciones AMARU-SOFT) Hallar los valores de k y m de modo que el

sistema tenga (i) Sol nica, (ii) innitas soluciones, (ii) ninguna solucin

1 k2 4 1 x1 1

m 2 + 18 2k 2 8 2 x2 = m +6
2 2 2
2m + 36 4k 16 k + 9 x3 2m + k 13
Sol.: (i) k {2, 2, 5} , m {4, 4}.

(ii) k = 2, m = 15 ; {k = 2, m = 4} ; k = 2, m = 31 ; {k = 2, m = 4} .
4
15
31
8
(iii) k = 2, m = 4 ; {k = 2, m = 4} ; k = 2, m = 8 ; {k = 2, m = 4} .
la matriz triangular es

1 k2 4 1 x1 1

0 k 2 4 m 2 16 (m 4) (m + 4) x 2 = (m + 4) (m 3)
0 0 k +5 x3 (m 5) (k + 5)
3.5 La inversa de una matriz
3.5.1. La denicin de matriz inversa
Denicin 3.4
(Inversa) Sea A M n,n . Diremos que una matriz B M n,n es la inversa de A si
AB = In
B A = In
donde I n es la matriz identidad, en M n,n .
Notacin. Es costumbre denotar la inversa de una matriz A mediante A 1 , por tanto si A 1 es la

inversa de A se debe tener: A 1 A = I n , A A 1 = I n , si no se dice lo contrario sta ser la notacin
usual para la inversa.
Ejemplo 3.12 (No pregunten de donde se saca la inversa de la siguiente matriz, ms adelante
se aprender a calcularlo). La inversa de

2 7
A=
1 4
es :
1 4 7
A =
1 2
pues:
1 2 7 4 7 1 0
AA = =
1 4 1 2 0 1
3.5.2. Clculo de la inversa

Para el clculo de la inversa de una matriz, recordemos algunos resultados de productos de
matrices.
Inicio del repaso

Si A, B M n,n y si B = B 1 , B 2 , . . . , B n donde los B j son la columnas de B, entonces:

AB = A B 1 , B 2 , . . . , B n

= AB 1 , AB 2 , . . . , AB n
ma columna de AB es el producto AB j , siendo B j la
esto muestra que la j esi
j esi
ma columna de B.
La solucin del sistema I x = b, es x = b. (aqu I es la matriz identidad)
Fin de repaso
Ahora estamos listos para discutir la forma de calcular la inversa. Sea A M n,n una matriz de
rango igual a n, para el clculo de la inversa emplearemos la siguiente notacin:

A 1 = X 1 , X 2 , . . . , X n , donde X j es la j esi
ma ser la inversa de A
I = [e 1 , e 2 , . . . , e n ], I es la matriz identidad y e j la j esi

ma columna.
Puesto que A 1 es la inversa de A debemos tener A A 1 = I , entonces:

AX 1 , AX 2 , . . . , AX n = [e 1 , e 2 , . . . .e n ]
de donde
AX j = e j , j = 1, 2, . . . , n
ma columna de X se encuentra resolviendo el sistema AX j =
lo anterior muestra que la j esi
ej.
Puesto que en cada uno de estos sistemas la matriz A no varia, podemos considerar la matriz
aumentada que involucre todos los sistemas, esta matriz es:
[A : e 1 , e 2 , . . . , e n ]
resolviendo estos sistemas encontramos las columnas de la matriz inversa X , ms an podemos
llevar la anterior matriz a la forma escalonada reducida por las, y puesto que A es de rango n,
la matriz escalonada reducida por las debe ser la matriz identidad, as la matriz aumentada
tiene la forma:

e1, e2, . . . , en : X 1, X 2, . . . , X n

as se ha calculado la inversa, A 1 = X 1 , X 2 , . . . , X n . A continuacin el algoritmo para el clculo
de la inversa.
3.5.2.1. Algoritmo para el clculo de la inversa
Para calcular la inversa de una matriz A M n,n de rango n, se siguen los siguientes pasos
1 Se construye [A : e 1 , e 2 , . . . , e n ]
2 Se realizan operaciones elementales de modo que

[A : e 1 , e 2 , . . . , e n ] e 1 , e 2 , . . . , e n : X 1 , X 2 , . . . , X n
3 La matriz inversa A 1 tiene por columnas a los vectores X 1 , X 2 , . . . , X n .
Ejemplo 3.13 Calcularemos la inversa de

2 7
A=
1 4
Solucin.

2 7 : 1 0 2 7 : 1 0

1 4 : 0 1 0 1/2 : 1/2 1
F 21(1/2) F 2(2)

2 7 : 1 0

0 1 : 1 2
F 12(7)

2 0 : 8 14

0 1 : 1 2
F
1(1/2)
1 0 : 4 7

0 1 : 1 2
por tanto:

4 7
A 1 =
1 2
Ejemplo 3.14 Determinar la inversa de

1 2 1

A = 2 1 1
1 0 1
Solucin.

1 2 1 : 1 0 0 1 2 1 : 1 0 0

[A : I ] = 2 1 1 : 0 1 0 0 3 3 : 2 1 0
1 0 1 : 0 0 1 F 0 2 0 : 1 0 1 F
21(2) , F 31(1) 32 2
( )
3
1 2 1 : 1 0 0
1 2 1 : 1 0 0
2
0 3 3 : 2 1 0 0 1 1 : 13 0
1 2 3
3 3 1 F
0 0 2 : 1
2(1/3) , F 3(1/2) 0 0 1 : 6
13 1
2 F 23(1) , F 13(1)

5 1
1 2 0 : 6 3 12 1 0 0 : 16 1
3
1
2

1
0 1 0 : 0 12 0 1 0 : 1
0 12
2 2
1
0 0 1 : 6
13 1
2 F 12(2)
0 0 1 : 1
6
13 1
2

16 1
3
1
2

de lo anterior se deduce que A 1 = 1
0 12
2
1
6
13 1
2
3.5.3. Algunos teoremas sobre la inversa
Teorema 3.6
Sobre una matriz A M n,n , las siguientes armaciones son equivalentes:
1. A tiene inversa.
2. r ang o (A) = n.
3. |A| = det (A) = 0.
Teorema 3.7
Si A, B M n,n son invertibles, entonces AB es invertible, ms an, (AB )1 = B 1 A 1 .
Demostracin. Aceptando que AB es invertible, entonces
(AB ) (AB )1 = I
premultiplicando por la izquierda por A 1 se tiene:
B (AB )1 = A 1
premultiplicando una vez ms por B 1 :
(AB )1 = B 1 A 1 .
Teorema 3.8
(Unicidad de la inversa) Si la inversa existe, sta es nica.
Demostracin. Sea A una matriz invertible con inversa B. Si C es otra inversa se debe tener:
AB = I, B A = I
AC = I, C A = I
entonces:
B = BI
= B (AC )
= (B A)C
= IC
= C
eso prueba el teorema.
3.5.4. La adjunta de una matriz en el clculo de la inversa

En el captulo 1, denimos el nmero

i j = (1)i + j M i j

como cofactor (o adjunto) de la entrada a i j de una matriz A = a i , j M n,n , donde M i j es la
submatriz de A obtenida eliminando la la i y la columna j. La matriz construida con estos
cofactores, ser llamada matriz adjunta.
Denicin 3.5
(Matriz adjunta) Sea A M n,n , la matriz ad j unt a de A es la matriz, denotada por

ad j (A) , cuyo elemento j i es i j = (1)i + j M i j , es decir, es la transpuesta de la matriz
formada por los cofactores.
t
11 12 1n

21 22 2n
ad j (A) =
.. .. . . ..

. . . .
n1 n2 nn
Teorema 3.9
Si A M n,n invertible, entonces:
1
A 1 = ad j (A)
|A|
Ejemplo 3.15 Determinar la inversa de:

a b
A=
c d
Solucin. El determinante es |A| = ad bc, y la adjunta es

t
d c d b
ad j (A) = =
b a c a
por tanto:
1 d b
A 1 =
ad bc c a
Ejemplo 3.16 Determinar la inversa de:

1 2 3

A= 6 0 4
3 2 1
Solucin. El determinante es |A| = 40 y la adjunta es:

8 4 8

ad j (A) = 6 8 14
12 4 12
por tanto

8 4 8
1
A 1 = 6 8 14
40
12 4 12
1. Sean A, B,C matrices con las dimensiones adecuadas, Bajo que condiciones AB = AC
implica B = C ?.
2. Determinar la inversa de
3 1 1

A= 8 2 3
10 2 3

0 12 12

Sol.: 3 12 1
2
2 2 1
3. Determinar la inversa de
1 2 1

A = 1 3 2
1 3 2
Sol.: No existe.
4. Cundo la siguiente matriz es invertible?, Cul es su inversa?

a1 0 0

0 a2 0
A=
.. .. . . .

. . . ..
0 0 an
5. Probar que la inversa de una matriz triangular es del mismo tipo.

6. Pruebe que si A M n,n es invertible, entonces ad j (A) = |A|n1 .
7. Para que valores de a y b la siguiente matriz es invertible?

2 a 4 a 2b

2 1+a 3+b
1 0 2+a +b
Sol.: a = 0 y a = b.
8. Sea A M 2,2 una matriz invertible tal que |A| = 1. Encuentre todas las matrices A tales
que A 1 = A.
9. Considrese la matriz:
1 1
1 2
n
1 1 1
2
. 3 n+1
. .. .. ..
. . . .
1 1 1
n n+1 n+n1
Calcule la inversa para n = 2, n = 3 y n = 4. Conjeture una frmula para su inversa.
10. Sea A M n,n . Pruebe que:

a) Si A es invertible y AB = 0 para alguna matriz B M n,n , entonces B = 0.

b) Si A es no invertible, entonces existe una matriz B M n,n tal que AB = 0 pero B = 0.
11. Suponga que I AB es invertible. Prubese que si I B A es invertible, entonces
(I B A)1 = I + B (I AB )1 A.
(Sug. Conviene partir de la identidad I AB = I AB y hacer C = I B A)
12. Sean A, B y A + B matrices invertibles. Prubese que A 1 + B 1 es invertible. (Sug. Puede

partir de B 1 (A + B ) A 1 )
13. Muestre que si A M n,n , entonces:

1
I A I A
=
0 I 0 I
donde I es la matriz identidad.
14. Sean A y B cuadradas, no necesariamente del mismo orden, sea C del orden adecuado.
Suponga que se cumple:
A C

= |A| |B |
0 B
Probar que si X , Y son cuadradas, no necesariamente del mismo orden, U , V del orden
adecuado y X una matriz invertible, entonces se cumple:

X U

= |X | Y V X 1U
V Y

I 0
Sug. Emplee la matriz .
V X 1 I
3.6 La regla de Cramer

Teorema 3.10
(Regla de Cramer a ) Considere el sistema Ax = b, A M n,n . Supngase que |A| = 0, si

A = A 1 , A 2 , . . . , A n , donde A j es la j esi
ma columna de A, y

x1

x2
x =
..

.
xn
entonces las soluciones son:

1
A , . . . , A i 1 , b, A i +1 , . . . , A n
xi = , i = 1, 2, . . . , n
|A|

Ntese que A 1 , . . . , A i 1 , b, A i +1 , . . . , A n se obtiene de |A| reemplazando la i esi ma co-
lumna con el vector b.
a
Fuente Wikipedia. Gabriel Cramer (31 de julio de 1704 - 4 de enero de 1752) fue un matemtico suizo
nacido en Ginebra.
Mostr gran precocidad en matemtica y ya a los 18 recibe su doctorado y a los 20 era profesor adjunto
de matemtica. Profesor de matemtica de la Universidad de Ginebra durante el periodo 1724-27. En 1750
ocup la ctedra de losofa en dicha universidad. En 1731 present ante la Academia de las Ciencias de
Pars, una memoria sobre las mltiples causas de la inclinacin de las rbitas de los planetas.
Ejemplo 3.17 Resolver:

a 11 a 12 x1 b1
=
a 21 a 22 x2 b2
Solucin.
b a
1 a 12 11 b1

b2 a 22 a 21 b2
x1 = , x2 =
a a 12 a a 12
11 11

a 21 a 22 a 21 a 22
Ejemplo 3.18 Resolver:
1 1 0 x 3

2 0 2 y = 10
0 1 2 z 15
Solucin.

3 1 0 1 3 0 1 1 3

10 0 2 2 10 2 2 0 10

15 1 2 4 0 15 2 2 0 1 15 14
x= = , y= = , z= =
1 1 0 2 1 1 0 2 1 1 0 2

2 0 2 2 0 2 2 0 2

0 1 2 0 1 2 0 1 2
por tanto la solucin es:

x 2

y = 1
z 7
1. Determine los valores de c de modo que para resolver el siguiente sistema se pueda em-
plear la regla de Cramer.
1 2 c x 1

1 c 2 y = 2
2 1 c z 2
2. Aplique la regla de Cramer para calcular el determinante de:

1 a a2

A = 1 b b2
1 c c2
3. Aplique la regla de Cramer para despejar x y y en trminos de x y y.
x = x cos y sin
y = x sin + y cos
4. Considrese el tringulo de vrtices ABC mostrado en la gura (en donde ya se han tra-
zado las alturas).
a) Empleando resultados de tringulos rectngulos, demuestre que los cosenos de los

ngulos interiores satisfacen el sistema:

0 c b cos a

c 0 a cos = b
b a 0 cos c
b) Use la regla de Cramer para calcular los cosenos.

c) A partir de lo anterior demostrar el teorema de cosenos.
3.7 Sistemas homogneos
Se dice que un sistema es homogneo si es de la forma:
Ax = 0, A M m,n
ntese que x = 0 es una solucin del sistema, as un sistema homogneo siempre tiene solucin.
Por tanto slo se tienen los siguientes casos:
(i) Solucin nica.
(ii) Innitas soluciones.
A este respecto se tiene el siguiente resultado:
Teorema 3.11
Sea A M n,n . Las siguientes armaciones son equivalentes:
1. Ax = 0 tiene solucin nica.
2. A 1 existe.
3. r ang o (A) = n.
4. |A| = det (A) = 0.
Ejemplo 3.19

x1
1 2 1 0
x2 =
3 5 1 0
x3
La matriz aumentada para sistemas homogneos es de la forma [A : 0] , en la prctica slo se

trabaja con A. Con esta convencin se tiene:

1 2 1 1 2 1
A= ,
3 5 1 0 1 2
F 21(3)
claramente, el sistema tiene soluciones. La variable libre es x 3 . Sea x 3 = t , t R, as el sistema

se transforma en
1 2 x1 t
=
0 1 x2 2t
resolviendo por sustitucin inversa se tiene sucesivamente:
x 2 = 2t
x 1 = t 2 (2t )
= 3t

3t

x = 2t , t R
t
el sistema tiene innitas soluciones (para cada valor de t se tiene una solucin).

1 2 3 0
2 1 0 x1
0
x2 =
1 0 3 0
x3
1 1 3 0
Solucin.

1 2 3 1 2 3 1 2 3
2 1 0 0
3 6 0 1 6
[A : b] =
1 0 3 0 2 0 0 2 0
1 1 3 F 21(2) , F 31(1) , F 41(1)
0 1 6 F 24
0 3 6 F 32(2) , F 42(3)

1 2 3 1 2 3
6 0 1 6
0 1

0 0 12 0 0 12
0 0 12 F 43(1)
0 0 0
Esta matriz no tiene variables libres. Por otra parte el sistema tiene solucin nica pues r ang o (A) =
r ang o [A : b] = 3. Empleando sustitucin inversa se tiene:
x3 = 0
x2 = 0
x1 = 0

0

x = 0
0

x1
1 1 1 1 0
x2
3 3 4 5 = 0
x3
1 1 3 5 0
x4
Solucin.

1 1 1 1 1 1 1 1

[A : b] = 3 3 4 5 0 0 1 2
1 1 3 5 F 21(3) , F 31(1)
0 0 2 4 F
32(2)

1 1 1 1

0 0 1 2
0 0 0 0
las variables libres son: x 2 y x 4 . Sean
x2 = t
x4 = s
entonces, el sistema se convierte en:
x1 + x3 = x2 x4
x 3 = 2x 4
reemplazando x 2 = t y x 4 = s, se tiene el sistema triangular
x1 + x3 = t s
x 3 = 2s
de donde sucesivamente:
x 3 = 2s
x 1 = t s (2s)
= t +s

t +s

t
x = , t,s R
2s
s
Ntese que la solucin puede escribirse como:

1 1
1 0

x = t +s
0 2
0 1
1. Resolver
2 1 1
1 2 x1 0
1
x2 = 0
5 1 4
x3 0
1 1 2

t

Sol.: x = t .
t
2. Resolver:
1 0 1 x1 0

1 1 1 x2 = 0
1 1 1 x3 0

t

Sol.: x = 0
t
3. Para que valores de k, el siguiente sistema (i) tiene la solucin nula como nica solucin.
(ii) Innitas soluciones.

1 1 1 x 0

1 1 + k 1 y = 0
1 1 3 + k 2 z 0
Sol.: (i) k {0, 2, 2} (ii) k {0, 2, 2} .
4. Sea:
2 0 3

A= 0 5 0
3 0 2
(i) determinar los valores de tales que |A I | = 0,
(ii) para cada valor encontrado en (i) resolver el sistema (A I ) x = 0

0 1 1

Sol.: , t 1 asociado con 5, t 0 asociado con 1, t 0 asociado con 5
0 1 1
5. Lo mismo que en el anterior ejercicio para la matriz:

10 15 15

A = 6 11 6
3 3 8

1 1 5

t 0 , s 1 asociados con 5, t 2 asociado con 1.
1 0 1
3.8 Algo de criptografa
3.8.1. La aritmtica del reloj

Considrese un reloj como el siguiente: Supngase que el reloj marca las 9, si transcurren 8
horas, entonces el reloj marcar 5. Para nosotros, 9+8=17, sin embargo para el reloj apenas pasa
de 12 vuelve a empezar en cero. Para explicar este hecho requerimos la siguiente denicin.
Denicin 3.6
(Congruencia mdulo n) Diremos que dos enteros a y b son congruentes mdulo n, lo
que escribimos
a b (mod n) se lee a congruente con b mdulo n"
si n divide a la diferencia a b, se escribe tambin n| (a b)
Ejemplo 3.22 (Congruencia mdulo 12)
17 5 (mod 12) pues 12| (17 5)

25 1 (mod 12) pues 12| (25 1)
Ejemplo 3.23 (Congruencia mdulo 7)
17 3 (mod 7) pues 7| (17 3)

972 6 (mod 7) pues 7| (972 6)
3.8.2. Tablas de sumar

En la aritmtica del reloj, podemos realizar operaciones de sumas, restas, multiplicacin y divi-
sin. A continuacin se muestran las tablas de la suma y producto en mdulo 12:
A continuacin se presenta la tabla de multiplicar en mdulo 28, ntese que slo algunos n-
meros tienen inverso multiplicativo, por ejemplo 31 = 19 pues 19 3 = 57 1 mod 28.
3.8.3. Matriz clave

Es una matriz cuadrada A M m.m invertible mdulo 28. Es fcil producir estas matrices, por
ejemplo multiplicar dos matrices, una triangular inferior, de determinante cualquiera de los
nmeros del conjunto {1, 3, 5, 9, 11, 13, 15, 17, 19, 23, 25, 27} y la otra una triangular superior de
determinante 1.

1 0 0 1 1 1 1 1 1

A = 2 1 0 0 1 1 = 2 3 3 ,
2 1 3 0 0 1 2 3 6
claramente el determinante de esta matriz es |A| = 3, puesto que 31 = 19 existe en mdulo 28,
la inversa de A existe. Calculando la inversa mediante la tcnica de la adjunta, se encuentra:
1
A 1 = ad j (A)
|A|
t
3 3 2 3 2 3

+ +
3 6 2 6 2 3

1 1 1 1 1 1
1
= 3 +
3 6 2 6 2 3

1 1 1 1 1 1

+ +
3 3 2 3 2 3
t t t
9 6 0 171 114 0 3 26 0

= 19 3 4 1 = 57 76 19 Mdulo 28 = 27 20 9

0 1 1 0 19 19 0 9 19

3 27 0

= 26 20 9
0 9 19
Ntese que ,

1 1 1 3 27 0

A A 1 = 2 3 3 26 20 9
2 3 6 0 9 19

29 56 28

= 84 141 84
84 168 141

1 0 0

= 0 1 0 mod 28
0 0 1
3.8.4. Mensajes en clave

Nuestro objetivo es emplear la inversin de matrices junto con la aritmtica mdulo 28 en el
proceso de escribir mensajes en clave. Para este propsito consideremos una cadena de ca-
racteres que llamaremos mensaje, por razones de simplicidad, el mensaje se escribir con el
alfabeto de 27 letras en mnsculas mas un espacio.
abcdefghijklmnopqrstuvwxyz
Paso 1. El mensaje a encriptar de divide en cadenas de m caracteres, formndose vectores co-

lumna de m lugares (se aaden espacios en blanco si es necesario), estas cadenas se traducen
en cadenas numricas con el siguiente criterio:
espacio a b c d e f g h i j k l m
0 1 2 3 4 5 6 7 8 9 10 11 12 13
n o p q r s t u v w x y z
14 15 16 17 18 19 20 21 22 23 24 25 26 27
Con los vectores numricos hallados se contruye una matriz M de m las.
Ejemplo 3.24 Consideremos el mensaje:
al g ebr a
(omitimos el tilde) si las cadenas van a ser de 3 caracteres se tienen los vectores:

a e a

l , b , espacio
g r espacio
que traducidos son

1 5 1

12 , 2 , 0
7 19 0
nalmente la matriz numrica que contiene el mensaje es:

1 5 1

M = 12 2 0
7 19 0
Paso 2. Se elige una matriz invertible A M m,m . Luego contruimos la matriz C = AM que con-
tendr nuestro mensaje en clave. Elegimos la matriz

1 1 1

A= 2 3 3
2 3 6
luego:

1 1 1 1 5 1

C = 2 3 3 12 2 0
2 3 6 7 19 0

20 26 1

= 59 73 2
80 130 2

20 26 1

= 3 17 2 mod 28
24 18 2
traducimos ahora la matriz C a caracteres empleando la tabla dada, obtenindose

s y a

c , p , b
w q b
por tanto el mensaje en clave es:

scw y pq abb
Ntese que una misma letra puede codicarse con una letra distinta o igual, como es el caso de
la letra a que se codica como s y a y el espacio que se codica como la letra b en ambos casos.
Paso 3. (Recuperacin de la informacin) Puesto que C = AM y A es invertible, entonces M =
A 1C , por tanto para nuestro ejemplo:

3 27 0 20 26 1

M = 26 20 9 3 17 2
0 9 19 24 18 2

141 537 57

= 796 1178 84
483 495 56

1 5 1

= 12 2 0 mod 28
7 19 0
por tanto el mensaje recuperado es:

ALGE B R A
En los siguientes problemas se debe trabajar con aritmtica modular mdulo 28

5 7
1. Sabiendo que la matriz invertible mdulo 28 es A =
1 2
a) Decodicar el mensaje D Z E AE J B . Sol.: EXA UPB

N RRE LZ P D. Sol.: COCHABAMBA
b) Decodicar el mensaje NG
2. Sabiendo que la matriz invertible mdulo 28 es

1 1 1

A= 2 3 3
2 3 6
a) Decodicar el mensaje B DLM B A AB B. Sol.: BOLIVIA

b) Decodicar el mensaje Z B N N MW Y M H M J K J T T B DLM B A AB B. Sol.: VIVA MI
PATRIA BOLIVIA
3. Criptografa AMARU-SOFT Decodicar el mensaje secreto: UK_CKA____. Emplee la ma-

triz
1 1
A=
6 25
Sol.: Mensaje en clave numerico:22 11 0 3 11 1 0 0 0 0

Matriz inversa:
1 19 25
A =
10 3
Mensaje numerico:21 1 19 9 10 1 0 0 0 0
Mensaje decodicado: TARIJA
4. Criptografa AMARU-SOFT Decodicar el mensaje secreto: PIATWM____. Emplee la ma-

triz
1 5
A=
6 21
Sol.: Mensaje en clave numerico:17 9 1 21 24 13 0 0 0 0

Matriz inversa:
1 7 13
A =
10 3
Mensaje numerico:12 1 0 17 1 27 0 0 0 0
Mensaje decodicado: LA PAZ
5. Criptografa AMARU-SOFT Decodicar el mensaje secreto: OFZMELSYNTG_. Emplee la

matriz
1 1 2

A= 3 4 7
4 6 1
Sol.: Mensaje en clave numerico:16 6 27 13 5 12 20 26 14 21 7 0

Matriz inversa:
26 5 25

A 1 = 19 7 25
6 22 3
Mensaje numerico:1 13 1 19 22 0 20 16 6 21 0 0
Mensaje decodicado: AMARU SOFT
6. Criptografa AMARU-SOFT Decodicar el mensaje secreto: _XRYCSGWAEE. Emplee la

matriz
1 1 3

A = 5 6 18
5 7 20
Sol.: Mensaje en clave numerico:0 25 19 15 26 3 20 7 24 1 5 5

Matriz inversa:
6 27 0

A 1 = 10 23 3
23 2 27
Mensaje numerico:3 16 3 8 1 2 1 13 2 1 0 0
Mensaje decodicado: COCHABAMBA
3.9 Sabias que?
(Tomado de http://200.109.120.2/mm/matematica3/fasciculo23.pdf )
Ya en el ao 450 a.C. los espartanos de Grecia enviaban mensajes codicados. Para ello enrolla-
ban una banda de cuero o cinturn sobre un cilindro, se escriba el mensaje y al desenrollar la
banda de cuero sta pareca que slo estaba adornada con marcas inocentes. Sin embargo, si
el destinatario del mensaje arrollaba nuevamente la banda alrededor de un cilindro similar al
utilizado cuando se escribi dicho mensaje, ste poda ser ledo sin dicultad. Este mtodo es
un sistema de codicacin por transposicin.
En el cifrado por sustitucin, cada letra o grupo de letras es reemplazada por una letra o grupo
de letras. Uno de los ms antiguos cifrados es el Cifrado de Csar, atribuido a Julio Csar, quien
sustituy cada letra por la que ocupa tres puestos ms all en el alfabeto. Con ese mtodo, a se
convierte en D, b en E, c en F,..., y z en C.
Una tcnica de codicacin por sustitucin fue utilizada por el insigne escritor estadounidense
Edgar Allan Poe (1809-1849) en su clebre narracin El escarabajo de oro. Tambin este tipo de
tcnica aparece con frecuencia en diarios y pasatiempos en los cuales se le propone al lector la
solucin de un criptograma.
En el siglo XIII, Roger Bacon (1214-1294) describi varios mtodos de codicacin. De tras-
cendental importancia, durante la II Guerra Mundial, fue el hecho de que los estadounidenses
lograran descifrar el cdigo naval japons JN25 y los ingleses hiciesen lo propio con la mquina
alemana Enigma. Actualmente se utilizan sosticadas tcnicas de encriptamiento de mensajes
las cuales se basan en las propiedades de los nmeros primos.
Uno de los sistemas modernos para encriptar mensajes es el criptosistema de clave pblica.
Uno de stos es el sistema RSA (en honor de sus creadores los matemticos Rivest, Shamir y
Adler).
3.10 Problemas con sistemas de ecuaciones
Ejemplo 3.25 Un criadero de peces produce tres tipos de peces. Un pez de la especie I consu-
me por semana, un promedio de una unidad del alimento 1, dos unidades del alimento 2 y dos
unidades del alimento 3. Un pez de la especie II consume por semana dos unidades del alimen-
to 1, una unidad del alimento 2 y dos unidades del alimento 3. Finalmente un pez de la especie
III consume dos, una y una unidades de los alimentos 1, 2, 3 respectivamente. En el criadero
se disponen semanalmente de 12000 unidades del alimento 1, 9000 unidades del alimento 2 y
10000 unidades del alimento 3. Asumiendo que todo el alimento se consume, cuntos peces
de cada especie pueden mantenerse en el criadero?.
Solucin. Los datos se pueden escribir de la siguiete manera
Alimento Especie Especie Alimento

I II III

1 1 2 2 I x 1 12000

2 2 1 1 II y = 2 9000
3 2 2 1 III z 3 10000

1 2 2 x 12000

2 1 1 y = 9000
2 2 1 z 10000

x 2000

Resolviendo se encuentra: y = 1000
z 4000
3.10.0.2. Ejercicios
1. Una compaia tiene tres plantas de produccin P1, P2, P3. En cada una de estas plantas
se fabrican tres productos A, B,C . Supongamos que de una unidad de insumo se sabe
que: La primera planta produce 4 de A, 2 de B y 4 de C ; la segunda planta produce 5
de A, 4 de B y 2 de C ; la tercera planta produce 2 de A, 4 de B y 5 de C . Las demandas
a la compaia de estos tres productos son 1700 de A, 1600 de B y 1550 de C . Cuntas
unidades de insumo requiere cada planta para satisfacer la demanda?. Sol.: 100, 200, 150.
2. Un turista muestra su registro de gastos en alojamiento, comidas y varios de un viaje por

Bolivia. (a) El turista muestra que en hospedaje gast por da Bs 200 en Cochabamba, 225
en Santa Cruz y 450 en La Paz. En comida, el registro indica que gasto Bs. 260, 250, 630
en Cochabamba, Santa Cruz y La Paz respectivamente. Finalmente en varios, el turista
muestra que gast Bs. 180, 150, 300 en Cochabamba, Santa Cruz y La Paz respectivamen-
te. Calcular el nmero de das que permaneci el turista en cada una de las poblaciones
si su registro muestra que gasto Bs. 5050 en hospedaje, Bs. 6710 en comida y Bs. 3600 en
varios. Sol.: 5, 4, 7.
3. Un nutricionista debe preparar una dieta que de tres alimentos Arroz , Carne y Lentejas,
cada alimento contiene a su vez grasa, proteina y carbohidratos. Cada 100 gramos de
arroz contiene 0,8 g de grasa, 7 g de proteina y 80 g de carbohidratos. Cada 100 gramos de
carne contiene 25, 17, 0,1 gramos de de grasa, proteina y carbohidratos respectivamente.
Cada 100 gramos de lenteja contiene 2, 22, 62,5 gramos de de grasa, proteina y carbohi-
dratos respectivamente. Si los requerimientos diarios de grasa, proteina y carbohidratos
que se debe obtener con estos alimentos son 20, 25 y 50. Cuntas unidades de los ali-
mentos se deben consumir para satisfacer los requerimientos ? ( 1 unidad de alimento =
100 gramos). Sol.: 25,5 gramos de arroz, 75,4 gramos de carne, 47,3 gramos de lenteja.
4. Un mdico prescribe a una paciente 8 unidades de vitamina A, 14 unidades de vitamina

D y 22 unidades de vitamina E diariamente. El paciente puede elegir entre tres marcas de
pldoras que contienen esta vitaminas. La marca ALPHA contiene 2 unidades de vitami-
na A, 2 unidades de vitamina D y 4 de vitamina E . La marca VITA contiene 1 unidades
de vitamina A, 4 unidades de vitamina D y 5 de vitamina E . La marca VIDA contiene 1
unidades de vitamina A, 1 unidades de vitamina D y 2 de vitamina E . Encuentre todas las
combinaciones posibles de las marcas que proporcione las cantidades requeridas. Sol.:
(ALPHA,VITA,VIDA) = (0, 2, 6) , (1, 2, 4) , (2, 2, 2) , (3, 2, 0)
5. Una compaia produce tres artculos X , Y , Z . Estos artculos se procesan en tres mqui-
nas M 1, M 2, M 3. El tiempo, en horas, empleado por cada mquina para procesar cada
producto se muestra en la siguiente tabla:
Maquinas
M1 M2 M3
X 2 1 3
Artculos
Y 3 2 1
Z 2 2 1
Las mquinas M1, M2, M3 ests disponibles 1050, 800, y 650 horas respectivamente. De-
terminar la cantidad de artculos que deben producirse para emplear todo el tiempo dis-
ponible de las mquinas. Sol.: 100, 150, 200.
6. Cierta fbrica emplea tres mquinas en la elaboracion de cuatro productos diferentes. Las
maquinas se utilizan 24 horas al da. La siguiente tabla da el nmero de horas que cada
mquina requiere para elaborar una unidad de cada producto.
Productos
P1 P2 P3 P4
M1 2 2 0 2
Mquinas
M2 1 2 2 1
M3 2 1 1 1
Determinar el nmero de unidades de cada producto que la fbrica puede elaborarar en

un da.
Producto 1: 6 7 8
Producto 2: 0 2 4
Sol.: Tres posibles soluciones:
Producto 3: 6 5 4
Producto 4: 6 3 0
7. Un fabricante de muebles fabrica sillas, mesas y puertas. Se necesitan 12 minutos para

lijar una silla, 6 para pintarla y 10 para barnizarla. Se requieren 15, 12 y 14 minutos para
lijar, pintar y barnizar una mesa respectivamente, nalmente se requieren 7,2,16 minutos
para lijar, pintar y barnizar una puerta. Existen semanalmente 14 horas de lijado, 7 horas
de pintado y 17 horas de barnizado. Cuntas unidades de cada mueble deben fabricarse
si se deben emplear toda la capacidad de lijado, pintado y barnizado?. Sol.: 40,10,30.
8. En una placa con puntos igualmente espaciados, la temperatura de un punto es aproxi-

madamente el promedio de las cuatro temperaturas adyacentes, por ejemplo en la gura
que se muestra a continuacin
A + B +C + D
T=
4
En la siguiente grca, aproximar las temperaturas T1 , T2 , T3 y T4 .
Sol. : T1 = 151. 25, T2 = 146. 25, T3 = 138. 75, T4 = 133. 75.
9. Modelo en redes. En estos modelos se asume que el ujo total en un punto es igual al
ujo que sale. En el siguiente ejemplo: c = a + b.
En la siguiente red determinar los valores de x j , j = 1, 2, 3, 4, 5.
Sol.: x 1 = 60 t , x 2 = 30 + t , x 3 = 20 + t , x 4 = 10 + t , x 5 = t , de donde se sigue que hay

innitas soluciones.
10. La siguiente gura representa un acueducto, por donde uye el agua en miles de metros
cbicos por hora. Determine los caudales x 1 , x 2 , x 3 , x 4 .
Sol. x 1 = 400 + t , x 2 = 400 t , x 3 = 600 t , x 4 = t , de esto se deduce que hay innitas

soluciones.
11. (Leyes de Kirchhoff ) En el anlisis de redes elctricas, las leyes de Kirchhoff establecen:
(a) En cualquier punto, la suma de la corriente que entra en ese punto es igual a la suma
de la corriente que sale.
(b) En toda malla la suma de todas las cadas de tensin es igual a la tensin total sumi-
nistrada.
Como ejemplo considrese la siguiente malla:
aplicando las leyes citadas se encuentra el sistema:
I1 + I3 = I2
6I 1 + 4I 2 = 10
8I 3 + 4I 2 = 15
resolviendo se encuentra: I 1 = 15 , I = 85
26 2
, I = 55
52 3 52
.
Resolver las siguientes mallas:

Sol.: x 1 = 50 185 85 85 545 230

67 , x 2 = 134 , x 3 = 134 , x 4 = 134 , x 5 = 134 , x 6 = 67 ;
12. La suma de las edades de tres hermanos es de 60 aos. La edad del mayor es igual a la su-
ma de las edades de sus hermanos menores. Dentro de 10 aos, el mayor doblar la edad
de uno de sus hermanos menores. Calcula la edad actual de cada uno de los hermanos.
Sol.: 20, 10, 30
13. Una empresa de alquiler de buses dispone de 12 buses destinados a organizaciones em-
presariales y equipos deportivos. Dispone de tres tipos de buses: el tipo I es un bus grande
con capacidad para 41 pasajeros, este tipo de bus funciona con tres personas como em-
pleados para operar el bus (dos conductores y un ayudante); el tipo II es un bus mediano
con capacidad para 25 y tiene a dos empleados para operar el bus (un conductor y un
ayudante); el tipo III es un bus pequeo con capacidad para 6 y est operado por un em-
pleado (un conductor). Cierto da se ocuparon todos los buses completos. En ellos iban
237 pasajeros y 21 empleados. Cuntos buses de cada tipo tiene la empresa?. Sol.: 2, 5, 5.
14. Halla un nmero de tres cifras sabiendo que stas suman 16. Adems, la cifra de las de-
cenas es igual a la suma de las otras dos y, por ltimo, si a este nmero le restamos el que
resulta de invertir el orden de sus cifras, el resultado es 396. Sol.: 682.
15. Una matriz A M 3,3 es mgica si la suma de cada la, cada columna y las dos diagonales
es el mismo valor. Halle todas las matrices mgicas simtricas en M 3,3 .

2S 3r S
r
2
S k k 1
S
3 3
3
1
3
2 2S 3r S
Sol.: M = k 3S oM =
3S k r , donde S es
3 3
1
S 2
S k k S 2S 3r
3 3
r
3 3
la suma comn y k, r son nmeros arbitrarios.
16. Tres productos qumicos X; Y y Z, tienen los siguientes porcentajes de Fe, Zn y Cu:
Fe Zn Cu
X 40 30 30
Y 30 40 30
Z 10 50 40
Cunto de cada producto debe combinarse para obtener un nuevo producto que con-
tenga 23 % de Fe, 42 % de Zn y 35 % de Cu? . Sol.: X, 30 %; Y, 20 %; Z, 50 % .

Algebra Lineal-Decima Edicion 100paginas

Cargado por

Copyright:

Formatos disponibles

Algebra Lineal-Decima Edicion 100paginas

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra Lineal-Decima Edicion 100paginas

Cargado por

Copyright:

Formatos disponibles

II

Curso bsico de lgebra Lineal.

Cochabamba, Mayo de 2016. E L AUTOR

1 A LGUNAS APLICACIONES DEL A LGEBRA L INEAL PGINA 3

2.3.3 Matriz diagonal e identidad 22

3 S ISTEMAS DE ECUACIONES LINEALES PGINA 49

3.9 Sabias que? 77

4 E SPACIOS V ECTORIALES REALES PGINA 83

5 E SPACIOS PRODUCTO INTERNO PGINA 99

6 AUTOVALORES Y AUTOVECTORES PGINA 109

6.3.5 Raz del polinomio caracterstico 115

7 T RANSFORMACIONES LINEALES PGINA 129

8 FACTORIZACIN LU Y LR PGINA 153

8.5 Factorizacin LR 161

9 M ATRICES DEFINIDA POSITIVAS PGINA 171

10 OTRAS APLICACIONES DEL LGEBRA L INEAL PGINA 181

1.1 Programacin Lineal1

La programacin matemtica es una herramienta de modelado usada en el proceso de toma

1.1.1. El problema del transporte

3. Restricciones. Las restricciones de este problema son:

Lo anterior puede ilustrarse en el siguiente grco

4. Funcin objetivo. Se pretende minimizar la funcin:

1.1.2. El problema de la dieta

2. Variables. x j : la cantidad del alimento j que debe adquirirse.

4. Funcin objetivo. El objetivo es minimizar la funcin

1.1.3. El problema del ujo en una red

1.2 Regresin lineal con k variables

Considrense los siguientes n puntos de Rk :

Se puede probar que:

1.3 El modelo Input-Output de Leontief

Produccin Demanda interna 1 Demanda interna 2 Demanda interna n Demanda externa

as se plantea un sistema de n ecuaciones con n incgnitas. La i esi

que se puede escribir como:

Aqu I es la identidad en M n,n . La matriz A se llama Matriz de tecnologa, x es el vector de

1.4 El secreto del Google y el Algebra Lineal

Todas las aplicaciones de las matemticas se encuentran en los instrumentos utilizados ms

Ingeniero Elctrico, y Sergey Brin, un experto en tratamiento de datos y Licenciado en In-

enero 1996: Comienzan a desarrollar un buscador llamado BackRub

1997: Backrub se transforma en Google

http://otl.stanford.edu/ de la Universidad de Stanford, que ser la encargada de contactar

Es entonces cuando el dormitorio de Larry Page se convierte en el nuevo hogar de Google,

1.5 Clculo a varias variables

En la revista Investigacin & Desarrollo de la Universidad Privada Boliviana de 2003 se publica

1.6 Mensajes secretos. Criptografa

La criptografa, es la ciencia de cifrar o descifrar informacin utilizando tcnicas que hacen

1.8 Compresin de imgenes

La Transformada de Fourier y la Transformada Wavelets se usan actualmente en la compresores

2.1 Qu es una matriz?

Notacin para los elementos de la primera la:

Si A es una matriz de m las y n columnas, se escribir:

ms an, escribiremos A M m,n , aqu M m,n es el conjunto de matrices de m las y n colum-

2.1.2. Orden de una matriz

2.2 Operaciones con matrices

2.2.1. Igualdad de matrices

Ejemplo 2.4 Las matrices

no son iguales pues c 31 = d 31

2.2.2. Producto por un nmero

Nota. r = 1, en lugar de escribir (1) A, se escribir A.

De la denicin se sigue que A B = A + (B ) .

pique mixto Pescados