Captulo 5

Matrices, determinantes y sistemas de

ecuaciones lineales
5.1. Matrices
Denici on 5.1. Una matriz real (o compleja) de orden m n es un arreglo rectangular de mn
n umeros reales (complejos) dispuestos en m las y n columnas.
Ejemplo 5.1. El arreglo rectangular
_
_
_
_
_
1 2 9
5 4 6
8 5 7
1 1 2
_
_
_
_
_
es una matriz de orden 4 3 que llamaremos matriz A. La matriz A tiene 4 las (lneas hori-
zontales) y 3 columnas (lneas verticales).
Los elementos o entradas de la matriz A tienen las siguientes posiciones
Fila 1 1 1 2 2 2 3 3 3 4 4 4
Columna 1 2 3 1 2 3 1 2 3 1 2 3
Entrada 1 2 9 5 4 6 8 5 7 1 1 2
En este caso se dice que la matriz A se deni o por extensi on, pues se presentaron sus entradas
y la posici on que ocupan en la matriz. 2
Observaci on 5.2. Se escribe A
mn
=
_
a
ij
_
para indicar que a
ij
es el valor de la entrada de la
matriz A
mn
en la intersecci on de la la i con la columna j.
Ejemplo 5.2. Si A
23
=
_
a
ij
_
donde a
ij
= i j, queremos expresar por extensi on a la matriz
1
A. Para esto observamos que
Fila (i) Columna (j) Entrada (ij)
1 1 a
11
= 1 1 = 0
1 2 a
12
= 1 2 = 1
1 3 a
13
= 1 3 = 2
2 1 a
21
= 2 1 = 1
2 2 a
22
= 2 2 = 0
2 3 a
23
= 2 3 = 1
entonces
A =
_
a
11
a
12
a
13
a
21
a
22
a
23
_
=
_
0 1 2
1 0 1
_
La matriz A se deni o por comprensi on, porque se present o una regla para la formaci on de sus
entradas seg un la posici on que ocupan en la matriz. 2
Denici on 5.3. Decimos que A =
_
a
ij
_
es una matriz cuadrada de orden n si A R
nn
. En este
caso la diagonal principal de A es la lnea formada por los elementos a
11
, a
22
, . . . , a
nn
.
Denici on 5.4. Sea A =
_
a
ij
_
una matriz cuadrada de orden n.
1. A se llama matriz diagonal si a
ij
= 0 cada vez que i = j.
2. Si A es una matriz diagonal y
a
11
= a
22
= = a
nn
= 1,
se denomina matriz identidad de orden n, y se representa por I
n
.
Ejemplo 5.3. La matriz A =
_
_
_
1 0 0
0 4 0
0 0 1
_
_
_ es una matriz diagonal de orden 3 y la matriz
I
3
=
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_es la matriz identidad de orden 3. 2
5.2. Igualdad y operaciones con matrices
El conjunto de las matrices reales de orden mn se representa por R
mn
, es decir
R
mn
=
_
A
mn
=
_
a
ij
_
: a
ij
R para i = 1, . . . , m y j = 1, . . . , n
_
.
Denici on 5.5. Si A =
_
a
ij
_
y B =
_
b
ij
_
son matrices en R
mn
, entonces
A = B a
ij
= b
ij
para todo i = 1, . . . , m y j = 1, . . . , n.
A continuaci on denimos la suma de matrices y el producto de matrices por escalares.
2
Denici on 5.6. Si A =
_
a
ij
_
y B =
_
b
ij
_
son matrices en R
mn
y es un n umero real, la suma
de A y B y el producto de por A son las matrices
A + B =
_
s
ij
_
y A =
_
p
ij
_
donde para todo i = 1, , m y j = 1, , n
c
ij
= a
ij
+ b
ij
y p
ij
= a
ij
.
Proposici on 5.7.
1. A, B R
mn
: A + B R
mn
.
2. A, B R
mn
: A + B = B + A.
3. A, B, C R
mn
: A + (B + C) = (A + B) + C.
4. ! R
mn
, A R
mn
: A + = A.
La matriz = (0) de R
mn
es llamada matriz cero.
5. A R
mn
, ! (A) R
mn
: A + (A) = .
La matriz A = (1) A es llamada opuesta de A.
6. A R
mn
, R : A R
mn
.
7. A R
mn
, , R : ( + ) A = A + A.
8. A, B R
mn
, R : (A + B) = A + B.
9. A R
mn
, , R : (A) = () A.
10. A R
mn
: 1A = A.
Denici on 5.8. El conjunto R
mn
con la igualdad de matrices, la suma de matrices y la multi-
plicaci on de n umeros reales or matrices, se llama espacio vectorial de las matrices reales de orden
mn.
Denici on 5.9. Para A, B R
mn
cualesquiera
A B = A + (B)
es decir, si A =
_
a
ij
_
y B =
_
b
ij
_
A B =
_
a
ij
b
ij
_
.
En la siguiente proposici on enunciamos algunas propiedades b asicas.
Proposici on 5.10.
1. R : = .
2. A R
mn
: 0A = .
3
3. Teoremas de monotona.
A = B A + C = B + C A = B.
4. Teoremas de simplicaci on.
A + C = B + C A = B.
A = B = 0 A = B.
5. A = = 0 o A = .
5.3. Multiplicaci on de matrices
Denici on 5.11. Si A =
_
a
j
_
R
1m
y B = (b
i
) R
m1
son matrices, el producto escalar de la
la A y la columna B en ese orden es el n umero real A B denido por
A B = a
1
b
1
+ a
2
b
2
+ + a
m
b
m
.
Ejemplo 5.4. Si A y B son las matrices
A =
_
2 1 6
_
y B =
_
_
_
1
9
1
_
_
_,
como A R
13
y B R
31
, entonces
A B = (2) (1) + (1) (9) + (6) (1) = 5.
Notemos que no est a denido el producto escalar B A. 2
Denici on 5.12. Si A =
_
a
ij
_
R
mp
y B =
_
b
ij
_
R
pn
son matrices, el producto de las
matrices A y B, en ese orden, es la matriz AB R
mn
denida por
AB =
_
c
ij
_
donde para todo i = 1, . . . , m y para todo j = 1, . . . , n
c
ij
= a
i1
b
1j
+ a
i2
b
2j
+ + a
i p
b
pj
.
Observaci on 5.13.
1. Para multiplicar las matrices A y B, en ese orden, es necesario que la cantidad de colum-
nas de A sea igual a la cantidad de las de B.
2. El valor de la entrada c
ij
es igual al producto escalar de la la F
i
de A por la columna C
j
de B.
4
AB =
_
_
_
_
_
_
_
_
_
a
11
a
1k
a
1p
.
.
.
.
.
.
.
.
.
a
i1
a
ik
a
i p
.
.
.
.
.
.
.
.
.
a
m1
a
mk
a
mp
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
b
11
b
1j
b
1n
.
.
.
.
.
.
.
.
.
b
k1
b
kj
b
kn
.
.
.
.
.
.
.
.
.
b
p1
b
pj
b
pn
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
F
1
.
.
.
F
i
.
.
.
F
m
_
_
_
_
_
_
_
_
_
_
C
1
C
j
C
n
_
=
_
_
_
_
_
_
_
_
_
F
1
C
1
F
1
C
j
F
1
C
n
.
.
.
.
.
.
.
.
.
F
i
C
1
F
i
C
j
F
i
C
n
.
.
.
.
.
.
.
.
.
F
m
C
1
F
m
C
2
F
m
C
n
_
_
_
_
_
_
_
_
_
Ejemplo 5.5. Si A y B son las matrices
A =
_
_
_
0 1 1
2 3 1
4 1 6
_
_
_ y B =
_
_
_
1 1
5 9
0 1
_
_
_,
el producto AB es la matriz de orden 3 2
AB =
_
_
_
(0) (1) + (1) (5) + (1) (0) (0) (1) + (1) (9) + (1) (1)
(2) (1) + (3) (5) + (1) (0) (2) (1) + (3) (9) + (1) (1)
(4) (1) + (1) (5) + (6) (0) (4) (1) + (1) (9) + (6) (1)
_
_
_ =
_
_
_
5 8
17 26
1 7
_
_
_.
El producto BA no est a denido porque el n umero de columnas de B (dos) no es igual al
n umero de las de A (tres). 2
Proposici on 5.14.
1. A R
mp
, B R
pn
: AB R
mn
.
2. A R
mp
, B R
pq
, C R
qn
: (AB) C = A(BC).
3. A R
mp
, B, C R
pn
: A(B + C) = AB + AC.
4. A, B R
mp
, C R
pn
: (A + B) C = AC + BC.
Observaci on 5.15.
1. En general AB = BA.
2. AB = no implica que A = o B = .
5
3. AB = AC no implica que B = C.
Proposici on 5.16. Si A R
mn
entonces
AI
n
= A y I
m
A = A.
En particular, para toda matriz cuadrada A R
nn
,
AI
n
= I
n
A = A.
La matriz identidad es unica. En efecto, supongamos que E es una matriz arbitraria en
R
nn
tal que AE = A para toda matriz A R
nn
. Poniendo A = I
n
se tiene en particular que
I
n
E = I
n
. Pero I
n
E = E. Por tanto I
n
= E.
Denici on 5.17. Si A es una matriz cuadrada de orden n denimos
_
A
0
= I
n
A
k
= A
k1
A.
5.4. Transpuesta de una matriz
Denici on 5.18. Si A =
_
a
ij
_
es una matriz en R
mn
, la matriz transpuesta de A es la matriz
A
T
=
_
b
ij
_
en R
nm
con
b
ij
= a
ji
, i = 1, , n, j = 1, , m.
Ejemplo 5.6. Si A =
_
_
_
1 2
3 4
5 6
_
_
_
32
, entonces A
T
R
23
y
Entrada de A
T
Entrada de A Valor
1-1 1-1 1
1-2 2-1 3
1-3 3-1 5
2-1 1-2 2
2-2 2-2 4
2-3 3-2 6
Por tanto,
A
T
=
_
1 3 5
2 4 6
_
24
. 2
Observaci on 5.19. La matriz transpuesta de una matriz A es la que se obtiene de A permu-
tando las las por columnas.
Proposici on 5.20.
1. A R
mn
:
_
A
T
_
T
= A.
6
2. A R
mn
, R : (A)
T
= A
T
.
3. A, B R
mn
: (A + B)
T
= A
T
+ B
T
.
4. A R
mp
, B R
pn
: (AB)
T
= B
T
A
T
.
Denici on 5.21. Una matriz cuadrada A tal que A
T
= A es llamada matriz sim etrica.
Por la denici on de matriz transpuesta, si A =
_
a
ij
_
es una matriz sim etrica se verica
que
a
ij
= a
ji
, i = 1, , n, j = 1, , n.
Ejemplo 5.7. La matriz
A =
_
_
_
_
_
1 7 6 5
7 1 8 4
6 8 2 3
5 4 3 1
_
_
_
_
_
es sim etrica. 2
5.5. Determinante de una matriz
Si A es una matriz en R
nn
el determinante de A, denotado |A|, es un n umero real asociado
con la matriz en funci on de sus entradas y su orden.
Determinante de primer orden
Denici on 5.22. Si A R
11
se dene
|A| = |a
11
| = a
11
.
Ejemplo 5.8. Si A = (1) entonces
|A| = 1.
2
Determinante de segundo orden
Denici on 5.23. Si A R
22
se dene
|A| =

a
11
a
12
a
21
a
22

= a
11
a
22
a
21
a
12
.
Ejemplo 5.9. Si A =
_
2 1
3 0
_
entonces
|A| = (2) (0) (3) (1) = 3.
2
7
Determinantes de tercer orden
Denici on 5.24. Si A R
33
se dene
|A| =

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

= a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
21
a
32
a
13
a
31
a
12
a
13
a
21
a
12
a
33
a
32
a
23
a
11
.
Ejemplo 5.10. Si A =
_
_
_
3 2 1
1 3 0
0 1 2
_
_
_entonces
|A| =

3 2 1
1 3 0
0 1 2

= (3) (3) (0) + (2) (0) (0) + (1) (1) (1) (0) (3) (1) (1) (2) (2)
(1) (0) (3)
= 23.
2
Determinantes de orden n 3
Denici on 5.25. Si A =
_
a
ij
_
es una matriz en R
nn
, se llama menor de la entrada a
ij
, y se re-
presenta

M
ij

, al determinante de la matriz cuadrada de orden n 1 que resulta de suprimir

en A todos los elementos de la la i y todos los elementos de la columna j.
Ejemplo 5.11. Si A =
_
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_entonces
|M
11
| =

a
22
a
23
a
32
a
33

= a
22
a
33
a
23
a
32
,
|M
12
| =

a
21
a
23
a
31
a
33

= a
21
a
33
a
23
a
31
,
|M
13
| =

a
21
a
22
a
31
a
32

= a
21
a
32
a
22
a
31
.
2
8
Ejemplo 5.12. Si A =
_
_
_
3 2 2
4 2 1
1 5 3
_
_
_entonces
|M
11
| =

2 1
5 3

= 11,
|M
22
| =

3 2
1 3

= 7,
|M
33
| =

3 2
4 2

= 2.
2
Proposici on 5.26. Si A =
_
a
ij
_
es una matriz en R
nn
, entonces
|A| =
n

j=1
(1)
i
0
+j
a
i
0
j

M
i
0
j

cuando el determinante se desarrolla por la la i

0
, y
|A| =
n

i=1
(1)
i+j
0
a
ij
0

M
ij
0

cuando el determinante se desarrolla por la columna j

0
.
Proposici on 5.27.
1. |I
n
| = 1.
2.

A
T

= |A|.
3. |AB| = |A| |B|.
4. Si dos las (columnas) de una matriz son proporcionales, su determinante es igual a
cero.
Ejemplo 5.13. Calcular |A| si
A =
_
_
_
_
_
1 0 1 0
2 3 2 2
2 4 2 1
3 1 5 3
_
_
_
_
_
.
Soluci on. Desarrollamos el determinante por la la i
0
= 1. Tenemos
|A| =
4

j=1
(1)
1+j
a
1j

M
1j

= (1)
1+1
a
11
|M
11
| + (1)
1+3
a
12
|M
12
| + (1)
1+3
a
13
|M
13
|
+ (1)
1+4
a
14
|M
14
|
= (1)

3 2 2
4 2 1
1 5 3

+ (0) |M
12
| + (1)

2 3 2
2 4 1
3 1 3

(0) |M
14
|
= (1) (43) + (1) (21) .
9
Entonces |A| = 64. 2
5.6. Matriz inversa
Denici on 5.28. La matriz A R
nn
se llama no singular si existe una matriz B R
nn
tal
que
AB = BA = I
n
.
La matriz B se llama inversa de la matriz A y se representa por A
1
.
Se puede demostrar que si A posee matriz inversa, esta es unica.
Proposici on 5.29.
1. Si A y B son matrices en R
nn
no singulares, entonces (AB)
1
= B
1
A
1
.
2. A R
nn
es no singular |A| = 0.
Ejemplo 5.14. La matriz A =
_
_
_
6 2 3
1 1 0
1 0 1
_
_
_es no singular y A
1
=
_
_
_
1 2 3
1 3 3
1 2 4
_
_
_. 2
C alculo de la matriz inversa por determinantes
Denici on 5.30. Si A =
_
a
ij
_
es una matriz cuadrada de orden n, el cofactor
ij
del elemento a
ij
es el n umero real

ij
= (1)
i+j

M
ij

.
La matriz cuadrada A
c
=
_

ij
_
de orden n se denomina matriz de cofactores de A.
Ejemplo 5.15. Si A =
_
_
_
2 1 3
1 4 5
1 2 2
_
_
_, tenemos que

11
=

4 5
2 2

= 18
12
=

1 5
1 2

= 7
13
=

1 4
1 2

= 2

21
=

1 3
2 2

= 4
22
=

2 3
1 2

= 7
23
=

2 1
1 2

= 5

31
=

1 3
4 5

= 17
32
=

2 3
1 5

= 7
33
=

2 1
1 4

= 9.
Entonces
A
c
=
_
_
_
18 7 2
4 7 5
17 7 9
_
_
_. 2
Denici on 5.31. Si A es una matriz cuadrada de orden n, la adjunta de A, denotada por
Adj(A), es la transpuesta de la matriz A
c
; es decir
Adj (A) = (A
c
)
T
.
10
Ejemplo 5.16. Si A =
_
_
_
2 1 3
1 4 5
1 2 2
_
_
_, entonces
Adj(A) =
_
_
_
18 7 2
4 7 5
17 7 9
_
_
_
T
=
_
_
_
18 4 17
7 7 7
2 5 9
_
_
_. 2
La principal propiedad de la matriz adjunta se enuncian en la siguiente proposici on.
Proposici on 5.32. Si A es una matriz cuadrada, entonces
A Adj (A) = Adj (A) A = |A| I
Corolario 5.33. Si A es no singular, entonces
A
1
=
Adj(A)
|A|
.
Este resultado proporciona el m etodo para hallar la inversa de una matriz, esto es, hacien-
do uso de la matriz adjunta.
Ejemplo 5.17. Calcular la inversa de A =
_
_
_
0 1 5
1 2 4
3 6 6
_
_
_.
Soluci on. Como |A| = 6 = 0 existe A
1
, calculamos la matriz Adj(A). Tenemos

11
= 12
12
= 6
13
= 0

21
= 24
22
= 15
23
= 3

31
= 6
32
= 5
33
= 1.
Luego
Adj (A) =
_
_
_
12 24 6
6 15 5
0 3 1
_
_
_
y
A
1
=
1
6
_
_
_
12 24 6
6 15 5
0 3 1
_
_
_. 2
5.7. Sistemas de ecuaciones lineales
Un sistema de m ecuaciones lineales con n inc ognitas x
1
, x
2
, . . . , x
n
_

_
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
11
se escribe en la forma
A
mn
X
n
= B
m
,
donde A =
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
_
_
_
_
_
es la matriz de los coecientes, X
n
=
_
_
_
_
_
x
1
x
2

x
n
_
_
_
_
_
es la
matriz de las inc ognitas y B
m
=
_
_
_
_
_
b
1
b
2

b
m
_
_
_
_
_
es la matriz de los t erminos independientes del
sistema.
Ejemplo 5.18. El sistema de ecuaciones
_

_
x 2y + z + w = 1
x 2y + z w = 1
x 2y + z + 5w = 5
.
se puede escribir
_
_
_
1 2 1 1
1 2 1 1
1 2 1 5
_
_
_
_
_
_
_
_
x
y
z
w
_
_
_
_
_
=
_
_
_
1
1
5
_
_
_. 2
Denici on 5.34.
1. Se llama soluci on real del sistema
A
mn
X
n
= B
m
,
a toda matriz columna S =
_
s
j
_
R
n1
tal que
A
mn
S = B
m
.
2. Si el sistema tiene soluci on se denomina sistema compatible, en caso contrario es llamado
sistema incompatible.
3. Un sistema compatible se llama determinado cuando tiene soluci on unica y es llamado
indeterminado cuando tiene innitas soluciones.
Ejemplo 5.19. El sistema de ecuaciones
_

_
2x 5y + 3z = 5
x + 7y z = 16
3x 4y + 6z = 9
es compatible y tiene soluci on unica
_
_
_
1
3
4
_
_
_. 2
12
Ejemplo 5.20. El sistema de ecuaciones
_
x + y + z = 4
x y + 3z = 6
es compatible, y para cada t R la matriz columa
_
_
_
1 2t
5 + t
t
_
_
_es una soluci on. 2
Ejemplo 5.21. El sistema de ecuaciones
_
x + y + 2z = 1
x + y + z = 4
es incompatible. 2
Una sistema de m ecuaciones lineales con n inc ognitas de la forma
_

_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= 0

a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= 0
se llama sistema homog eneo. La forma matricial de un sistema homog eneo es
AX = .
Observaci on 5.35.
1. Todo sistema homog eneo es compatible, pues x
1
= x
2
= = x
n
= 0 es soluci on en
cualquier caso. Esta soluci on recibe el nombre de soluci on trivial.
2. Si en un sistema homog eneo el n umero de ecuaciones es igual al n umero de inc ognitas y
el determinante de la matriz de coecientes es diferente de cero, el sistema tiene soluci on
unica.
13
SOLUCI

ON DE SISTEMAS DE n ECUACIONES LINEALES CON n INC

OGNITAS
1. Regla de Cramer.
Si
A
nn
.X
n1
= B
n1
es un sistema de n ecuaciones con n inc ognitas y |A| = 0, entonces
x
i
=
|A
i
|
|A|
; i = 1, 2, . . . , n,
en donde A
i
representa a la matriz que se obtiene sustituyendo la columna i de a matriz A
por la matriz columna B.
Ejemplo 5.22. Usar la regla de Cramer para resolver el sistema
_

_
3x
1
+ 4x
2
x
3
= 1
4x
1
+ 6x
2
+ 4x
3
= 3
2x
1
2x
2
5x
3
= 2
.
Soluci on. Tenemos que |A| =

3 4 1
4 6 4
2 2 5

= 66, en consecuencia, es aplicable la regla

de Cramer. En este caso
|A
1
| =

1 4 1
3 6 4
2 2 5

= 132 |A
2
| =

3 1 1
4 3 4
2 2 5

= 99
|A
3
| =

3 4 1
4 6 3
2 2 2

= 66
y por lo tanto
x
1
=
|A
1
|
|A|
= 2 x
2
=
|A
2
|
|A|
=
3
2
x
3
=
|A
3
|
|A|
= 1.
2
2. Usando la matriz inversa.
Si
A
nn
.X
n1
= B
n1
es un sistema de n ecuaciones con n inc ognitas con |A| = 0, entonces el sistema tiene soluci on
unica pues
A
1
(AX) = A
1
B (A
1
A)X = A
1
B
de donde
X = A
1
B.
14
Ejemplo 5.23. Usar la matriz inversa para resolver el sistema
_

_
x
1
+ 3x
2
+ 3x
3
= 4
x
1
+ 4x
2
+ 3x
3
= 2
x
1
+ 3x
2
+ 4x
3
= 0
.
Soluci on. Tenemos que A =
_
_
_
1 3 3
1 4 3
1 3 4
_
_
_y A
1
=
_
_
_
7 3 3
1 1 0
1 0 1
_
_
_.
Por tanto,
X = A
1
B =
_
_
_
7 3 3
1 1 0
1 0 1
_
_
_
_
_
_
4
2
0
_
_
_ =
_
_
_
34
6
4
_
_
_
de donde
x
1
= 34 x
2
= 6 x
3
= 4. 2
5.8. Soluci on de sistemas lineales por el m etodo de Gauss-Jordan
Denici on 5.36. Se dice que una matriz est a en forma escalonada si
1. la primera entrada distinta de cero de cualquier la no nula es 1,
2. todas las entradas que se encuentran abajo de la primera entrada no nula de una la son
iguales a cero,
3. el n umero de ceros que preceden a la primera entrada no nula de una la aumenta
conforme las las aumentan, y
4. todas las las nulas (en caso existen) se ubican en la parte inferior de la matriz.
Ejemplo 5.24. Las siguientes matrices est an en la forma escalonada
A =
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_ B =
_
_
_
_
_
1 0 2
0 1 1
0 0 1
0 0 0
_
_
_
_
_
C =
_
_
_
0 1 2 4
0 0 1 5
0 0 0 1
_
_
_;
en cambio la matriz
D =
_
_
_
1 1 5
0 0 1
0 1 4
_
_
_
no est a en la forma escalonada. 2
Proposici on 5.37. Toda matriz puede reducirse a la forma escalonada, mediante las operaciones
elementales de las:
1. multiplicar una la por un escalar no nulo,
15
2. intercambiar de posici on dos ecuaciones, y
3. sumar a una ecuaci on un m ultiplo de otra.
Ejemplo 5.25. Reducir la matriz A =
_
_
_
0 5 10 25
2 6 4 0
0 3 4 0
_
_
_a la forma escalonada.
A =
_
_
_
0 5 10 25
2 6 4 0
0 3 4 0
_
_
_
F
1
F
2

_
_
_
2 6 4 0
0 5 10 25
0 3 4 0
_
_
_
F
1
:
F
1
2
F
2
:
F
2
5

_
_
_
1 3 2 0
0 1 2 5
0 3 4 0
_
_
_
F
3
: F
3
3F
2

_
_
_
1 3 2 0
0 1 2 5
0 0 2 15
_
_
_
F
3
:
F
3
2

_
_
_
1 3 2 0
0 1 2 5
0 0 1
15
2
_
_
_.
Por tanto, la matriz A reducida a la forma escalonada es
A
_
_
_
1 3 2 0
0 1 2 5
0 0 1
15
2
_
_
_. 2
M

ETODO DE GAUSS
Dado el sistema de ecuaciones lineales
A
mn
X
n1
= B
m1
para resolverlo mediante operaciones elementales, se escribe la matriz ampliada del sistema
(A : B)
m(n+1)
y se reduce A por operaciones elementales de las a la matriz escalonada equivalente C.
Ejemplo 5.26. Resolver el sistema
_

_
x
1
+ 2x
2
+ x
3
= 2
3x
1
+ x
2
2x
3
= 1
4x
1
3x
2
x
3
= 3
2x
1
+ 4x
2
+ 2x
3
= 4
.
Soluci on.
16
(A : B) =
_
_
_
_
_
1 2 1 2
3 1 2 1
4 3 1 3
2 4 2 4
_
_
_
_
_
F
2
: F
2
3F
1
F
3
: F
3
4F
1
F
4
: F
4
2F
1

_
_
_
_
_
1 2 1 2
0 5 5 5
0 11 5 5
0 0 0 0
_
_
_
_
_
F
2
:
F
2
5

_
_
_
_
_
1 2 1 2
0 1 1 1
0 11 5 5
0 0 0 0
_
_
_
_
_
F
3
: F
3
+ 11F
2
(A : B) =
_
_
_
_
_
1 2 1 2
0 1 1 1
0 0 6 6
0 0 0 0
_
_
_
_
_
F
3
:
F
3
6

_
_
_
_
_
1 2 1 2
0 1 1 1
0 0 1 1
0 0 0 0
_
_
_
_
_
.
Por consiguiente el sistema equivalente es
_

_
x
1
+ 2x
2
+ x
3
= 2
x
2
+ x
3
= 1
x
3
= 1
de donde x
1
= 1, x
2
= 0, x
3
= 1. Por tanto,
CS = {(1, 0, 1)}. 2
Ejemplo 5.27. Resolver el sistema
_

_
x
1
+ x
2
+ 2x
3
+ x
4
= 5
2x
1
+ 3x
2
x
3
2x
4
= 2
4x
1
+ 5x
2
3x
3
= 7
.
Soluci on. Tenemos
(A : B) =
_
_
_
1 1 2 1 5
2 3 1 2 2
4 5 3 0 7
_
_
_ F
2
: F
2
2F
1
F
3
: F
3
4F
1

_
_
_
1 1 2 1 5
0 1 5 4 8
0 1 5 4 13
_
_
_
F
3
: F
3
F
2

_
_
_
1 1 2 1 5
0 1 5 4 8
0 0 0 0 5
_
_
_.
17
La ultima la corresponde a la ecuaci on
0x
1
+ 0x
2
+ 0x
3
+ 0x
4
= 5;
por tanto, el sistema es incompatible y carece de soluci on. 2
Ejemplo 5.28. Resolver el sistema
_

_
x
1
+ 2x
2
3x
3
4x
4
= 6
x
1
+ 3x
2
+ x
3
2x
4
= 4
2x
1
+ 5x
2
2x
3
5x
4
= 10
.
Soluci on. La matriz ampliada
(A : B) =
_
_
_
1 2 3 4 6
1 3 1 2 4
2 5 2 5 10
_
_
_ F
2
F
2
F
1
F
3
F
3
2F
1

_
_
_
1 2 3 4 6
0 1 4 2 2
0 1 4 3 2
_
_
_
F
3
F
3
F
2

_
_
_
1 2 3 4 6
0 1 4 2 2
0 0 0 1 0
_
_
_.
Por consiguiente el sistema equivalente es
_

_
x
1
+ 2x
2
3x
3
4x
4
= 6
x
2
+ 4x
3
+ 2x
4
= 2
x
4
= 0
de donde x
4
= 0, x
3
= t, x
2
= 4t 2 y x
1
= 11t + 10. Por tanto,
CS =
_

_
_
_
_
_
_
11t + 10
4t 2
t
0
_
_
_
_
_
: t R
_

_
. 2
M

ETODO DE GAUSS-JORDAN
Ejemplo 5.29. Resolver el sistema
_

_
2x
1
x
2
+ 2x
3
= 8
3x
1
+ 2x
2
2x
3
= 1
5x
1
+ 3x
2
3x
3
= 1
.
18
Soluci on. Escribimos la matriz ampliada
(A : B) =
_
_
_
2 1 2 8
3 2 2 1
5 3 3 1
_
_
_ F
2
2F
2
3F
1
F
3
2F
3
5F
1

_
_
_
2 1 2 8
0 7 10 26
0 11 16 42
_
_
_
F
3
7F
3
11F
2

_
_
_
2 1 2 8
0 7 10 26
0 0 2 8
_
_
_
F
1

1
2
F
1
F
2

1
7
F
2
F
3

1
2
F
3

_
_
_
1
1
2
1 4
0 1
10
7

26
7
0 0 1 4
_
_
_
Ahora continuamos la reducci on,
(A : B)
_
_
_
1
1
2
1 4
0 1
10
7

26
7
0 0 1 4
_
_
_
F
1
F
1
+
1
2
F
2

_
_
_
1 0
2
7
15
7
0 1
10
7

26
7
0 0 1 4
_
_
_
F
1
F
1

2
7
F
3
F
2
F
2
+
10
7
F
3

_
_
_
1 0 0 1
0 1 0 2
0 0 1 4
_
_
_
El sistema en forma matricial se puede escribir
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
_
_
x
1
x
2
x
3
_
_
_ =
_
_
_
1
2
4
_
_
_
Realizando el producto matricial, encontramos
x
1
= 1 x
2
= 2 x
3
= 4.
Por tanto,
CS = {(1, 2, 4)}. 2
19