Documente Academic
Documente Profesional
Documente Cultură
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
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
i=1
(1)
i+j
0
a
ij
0
M
ij
0
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
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