Matemáticas II

Departamento de Matemticas
Apuntes Incompletos
de
Matemticas II
Curso 2010/2011
Carlos Surez Alemn
ndice general
1. Matrices y Determinantes 1
1.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1. Introduccin a las Matrices . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2. Clasicacin de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3. Suma de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4. Producto de una matriz por un escalar . . . . . . . . . . . . . . . . . . . 9
1.2.5. Producto de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.6. Trasposicin de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.2. Menor complementario y Adjunto . . . . . . . . . . . . . . . . . . . . . . 21
1.3.3. Regla de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.4. Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . . . . 27
1.4. Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.4.1. Clculo de la matriz inversa por Matriz Adjunta . . . . . . . . . . . . . . 30
1.5. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.5.1. Herramientas informticas de inters para el calculo matricial . . . . . . 36
1.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2. Sistemas de ecuaciones lineales 55
2.1. Introduccin a los sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . 55
2.2. Clasicacin de sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . 56
2.3. Expresin matricial de los sistemas de ecuaciones lineales . . . . . . . . . . . . . 59
2.4. El mtodo de eliminacin de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . 61
3
Captulo 1
Matrices y Determinantes
Apeaos y usad vuestro comps de pies, de vuestros crculos y vues-
tros ngulos y ciencia, que yo espero de haceros ver estrellas a medio
da con mi destreza[...]
Miguel de Cervantes: El Ingenioso hidalgo don Quijote de la Mancha, 1605.
1.1. Introduccin
Una ecuacin la podramos denir como una igualdad entre dos expresiones algebraicas en
las que aparecen valores conocidos (datos) y desconocidos (incgnitas) relacionados mediante
operaciones matemticas. Encontrar una solucin de una ecuacin es encontrar aquellos valores
que pudieran ser puestos en lugar de las incgnitas y mantuviesen cierta la igualdad. Veamos
un ejemplo sencillo, el conocido problema 24 del Papiro de Rihnd que data de 1950 a.C.: Un
montn ms un sptimo del montn son 19. En este enunciado, hay un valor desconocido que
el el montn y que representaremos por la letra x. Por lo tanto, el enunciado se traduce en lo
siguiente: x ms un sptimo de x son 19, lo que en lenguaje algebraico expresamos como
x +
x
7
= 10.
Resolver la ecuacin, es encontrar el valor de x que puesto en su lugar hace cierta la igualdad,
no es difcil encontrar que x = 16
625 ya que 16
625 +
16
625
7
= 19.
El problema se complica cuando tenemos que encontrar las soluciones de varias ecuaciones
que comparten unas mismas incgnitas, lo que conocemos como Sistemas de Ecuaciones. Este
es un asunto que ha preocupado a los cientcos de todos los tiempos. Se conocen problemas
resueltos sobre la bsqueda del largo y ancho de unos terreno datados en la poca Babilnica,
4000 a.C. Tambin encontramos que en el conocido libro Los Nueve captulos del Arte Matem-
tico del 200 a.C. los chinos muestra una tcnica para resolver un sistema de ecuaciones de tres
ecuaciones y tres incgnitas por el mtodo de eliminacin, que estudiaremos en este captulo
y que fue introducido posteriormente por Gauss unos 2000 aos despus.
1
2 Dpto- Matemticas - I.E.S. J.M. Caballero Bonald
Figura 1.1: Gabriel Cramer
(1704-1752)
Sin embargo, el enfoque moderno sobre el estudio de
sistemas de ecuaciones lineales (conjunto de ecuaciones de
grado uno) puede decirse que tiene su origen con Leibniz,
quien en 1693 inventa la nocin de determinante. Y en In-
troduccin sobre el Anlisis de Curvas Algebraicas de 1750,
Gabriel Cramer (1704-1752) publica la regla que lleva su
nombre sobre la solucin de un sistema de un cierto nmero
n ecuaciones lineales con el mismo nmero de incgnitas,
aunque no aporta una demostracin. Este es el primer estu-
dio serio que indica un mtodo general sobre cmo resolver
un sistema de ecuaciones, con la nica condicin de que
tenga el mismo nmero de ecuaciones que incgnitas. Esto
surge de estudiar el problema geomtrico de determinar una
curva algebraica que pase por
_
1
2
_
n
2
+
_
3
2
_
n
puntos jos.
Posteriormente, Leonhard Euler (1707-1783) indic que un sistema de n ecuaciones y n
incgnitas no tiene necesariamente una solucin nica, y que para conseguir esa unicidad es
necesario aadir condiciones. Esto es, no basta que est formado por el mismo nmero de
ecuaciones y de incgnitas para asegurar la unicidad de la solucin. En el siglo XIX, el estudio
de los sistemas de ecuaciones lineales fue asumido por el estudio de determinantes, y se descubri
que la existencia de soluciones estaba ligada a que el nmero de ecuaciones independientes fuera
el mismo o diferente del nmero de incgnitas.
Por otro lado, con la aparicin de la Regla de Cramer, pareca que el tema de la resolucin
de sistemas de ecuaciones lineales estaba nalizado. Sin embargo, los avances en astronoma
y geodesia requirieron la resolucin de sistemas de ecuaciones con un nmero considerable
de ecuaciones e incgnitas. El mtodo de Cramer requera un gran nmero de operaciones,
tengamos en cuenta que este mtodo necesita de unos 300 millones de multiplicaciones y sumas
para resolver un sistema de 10 ecuaciones con 10 incgnitas.
De este modo, cuando Carl F. Gauss (1777-1855) determin la rbita de Ceres en 1807,
tuvo que enfrentarse a sistemas de ecuaciones lineales de 12 ecuaciones con hasta 10 incgnitas.
Al no ser un sistema de ecuaciones cuadrado (igual nmero de ecuaciones que incgnitas), no
poda aplicar la Regla de Cramer, adems no saba si quiera, si exista solucin. Investig y
en 1810 cuando public Disquisitio de Elementis Ellipticis Palladis ex oppositionibus annorum
1803, 1804, 1805, 1806, 1807, 1808 y 1809 incluy un mtodo de resolucin de ecuaciones por
eliminacin de incgnitas muy similar al mtodo chino del ao 200 a.C. Este mtodo se divulg
con el nombre de eliminacin gaussiana. La ventaja de este mtodo resida principalmente en
la reduccin del nmero de operaciones, esto es para resolver un sistema de 10 ecuaciones con
10 incgnitas, por el mtodo de la Regla de Cramer se necesitaban 300 millones de operaciones,
mientras que con el mtodo de Gauss slo se necesitan unas 1000 operaciones.
En la actualidad, con la ayuda de herramientas informticas, la resolucin de ecuaciones es
un tema balad, algo muy sencillo y rpido, pero an as, el mtodo de eliminacin Gaussiana
Matrices y Determinante 3
contribuye a la formacin del alumno en el desarrollo de estrategias de resolucin de problemas
y de simplicidad de operaciones que veremos ms adelante.
1.2. Matrices
1.2.1. Introduccin a las Matrices
En matemticas, una matriz es una tabla de nmeros consistente en cantidades que pueden
sumarse y multiplicarse. Las matrices se utilizan principalmente para registrar los datos que
dependen de varios parmetros, para describir sistemas de ecuaciones lineales o realizar un
seguimiento de los coecientes de una aplicacin lineal.
De una forma simple, una matriz es una tabla cuadrada o rectangular de nmeros (llamados
elementos) ordenados en las y columnas, donde una la es cada una de las lneas horizontales
de la matriz y una columna es cada una de las lneas verticales.
Ejemplo: Supongamos que una cierta cadena de tiendas de pantalones vaquero tiene en stock,
en dos de sus tiendas, pantalones de las marcas Levis, Pepe Jeans, Dior y Dolcce&Gabbana
de las tallas 38 a 48. Mejor forma de describir el nmero de pantalones de cada talla y marca
es mediante una tabla de la siguiente forma:
TIENDA A TIENDA B
Marca Tallas Marca Tallas
38 40 42 44 46 48 38 40 42 44 46 48
Levis 1 0 2 5 1 0 Levis 2 2 0 3 2 1
Pepe Jeans 2 2 0 3 1 2 Pepe Jeans 4 1 1 0 1 3
Dior 0 0 2 2 3 0 Dior 1 3 0 0 2 1
D&G 1 1 6 4 2 3 D&G 1 0 0 2 1 2
Para utilizar el lenguaje de matrices lo haremos del siguiente modo, utilizamos la misma
estructura bsica de datos, es decir, en las las indicaremos los datos de stock de cada marca
y en cada columna los datos de stock de talla. De este modo cada una de las tables estara
representada por las matrices denominadas A y B del siguiente modo:
A =
_
_
_
_
_
_
1 0 2 5 1 0
2 2 0 3 1 2
0 0 2 2 3 0
1 1 6 4 2 3
_
_
_
_
_
_
B =
_
_
_
_
_
_
2 2 0 3 2 1
4 1 1 0 1 3
1 3 0 0 2 1
1 0 0 2 1 2
_
_
_
_
_
_
Si quisiramos calcular cuntos pantalones de cada marca y talla tiene la cadena de tiendas,
habra que sumar los datos de cada una de las celdas de las tablas, esto es, para la marca Levis
tendramos entre las dos tiendas los siguientes pantalones:
Tallas
38 40 42 44 46 48
Levis 3 2 2 8 3 1
Trasladando esto a las matrices, tenemos que podemos sumar las dos matrices obteniendo el
siguiente resultado:
A + B =
_
_
_
_
_
_
1 0 2 5 1 0
2 2 0 3 1 2
0 0 2 2 3 0
1 1 6 4 2 3
_
_
_
_
_
_
+
_
_
_
_
_
_
2 2 0 3 2 1
4 1 1 0 1 3
1 3 0 0 2 1
1 0 0 2 1 2
_
_
_
_
_
_
=
_
_
_
_
_
_
3 2 2 8 3 1
6 3 1 3 2 5
1 3 2 2 5 1
2 1 6 6 3 5
_
_
_
_
_
_
Que nos dara los datos globales del stock de pantalones por tallas y marcas y que se
interpretara del siguiente modo:
Tallas
38 40 42 44 46 48
Levis 3 2 2 8 3 1
Pepe Jeans 6 3 1 3 2 5
Dior 1 3 2 2 5 1
D&G 2 1 6 6 3 5
De forma general, tenemos entonces que a una matriz con m las y n columnas se le
denomina matriz m por n (escrito m n), y a m y n les llamamos dimensiones de la
matriz. Las dimensiones de una matriz siempre se dan con el nmero de las primero y el
nmero de columnas despus. Comnmente se dice que una matriz m por n tiene un orden de
mn (ordentiene el signicado de tamao).
Una forma general, simblica, de indicar una matriz A de orden m por n es de la forma
A =
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
31
a
32
a
33
a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
a
mn
_
_
_
_
_
_
_
_
_
donde el elemento a
76
indica que es el nmero que ocupa la la 7 columna 6 de la matriz. De
forma esquemtica indicamos que la matriz es decir que A = (a
ij
) donde
_
i = 1 . . . m
j = 1 . . . n
, lo
que signica que la matriz A est formada por elementos descritos como a
ij
en los cuales el
subndice i es un nmero comprendido entre 1 y m y el subndice j, est comprendido entre 1
y n.
De este modo, para describir la matriz suma de una matriz A y otra B, que sera de la
forma
A + B =
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
31
a
32
a
33
a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
a
mn
_
_
_
_
_
_
_
_
_
+
_
_
_
_
_
_
_
_
_
b
11
b
12
b
13
b
1n
b
21
b
22
b
23
b
2n
b
31
b
32
b
33
b
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
b
m1
b
m2
b
m3
b
mn
_
_
_
_
_
_
_
_
_
=
=
_
_
_
_
_
_
_
_
_
a
11
+ b
11
a
12
+ b
12
a
13
+ b
13
a
1n
+ b
1n
a
21
+ b
21
a
22
+ b
22
a
23
+ b
23
a
2n
+ b
2n
a
31
+ b
31
a
32
+ b
32
a
33
+ b
33
a
3n
+ b
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
+ b
m1
a
m2
+ b
m2
a
m3
+ b
m3
a
mn
+ b
mn
_
_
_
_
_
_
_
_
_
de forma esquemtica, y mucho ms corta, se queda en la siguiente expresin:
A + B = (a
ij
) + (b
ij
) = (a
ij
+ b
ij
) donde
_
i = 1 . . . m
j = 1 . . . n
_
'
NOTA: Obsrvese que la suma de matrices slo es posible entre matrices de

las mismas dimensiones.
1.2.2. Clasicacin de matrices
En un primer lugar, con los elementos de que disponemos en la actualidad podemos clasicar
las matrices en funcin de las dimensiones que tengan. De este modo una primera clasicacin
depende de que las dimensiones de la matriz sea la misma o no, esto es que tenga el mismo
nmero de las que de columnas o tenga diferente numero de las que de columnas. Esto nos
da dos tipos iniciales de matrices: Matrices Cuadradas o Rectangulares.
Las Matrices cuadradas son aquellas que tienen el mismo nmero de las que de columnas
y las Matrices Rectangulares o no cuadradas son las que tiene diferente nmero de las que de
columnas.
Ejemplo:
Cuadrada: A =
_
_
_
_
_
_
1
2 3
4
2
3

0
5 3
1
2
3 2
28 3
3
8 0
2
_
_
_
_
_
_
Rectangular: B =
_
2
6
4
5
3
sqrt3
2
1
2 3
_
Unas denominaciones especcas de las matrices son las siguientes: Matriz Fila: aquella que
slo tiene una la, por lo que su dimensin es 1 n. Ejemplo de Matriz la de dimensin 1 6:
C = (1, 2, ,
5, 7
8, 2
9)
Matriz Columna: aquella que slo tiene una columna, por lo que su dimensin es m 1.
Ejemplo de Matriz Columna de dimensin 4 1:
D =
_
_
_
_
_
_
2
3
8
6
_
_
_
_
_
_
Matriz Nula: aquella en la que todos los elementos son cero. Se denota por lo general con
el smbolo 0, sin especicar las dimensiones, las cuales se sobreentendern segn el contexto en
el que se aplique. Ejemplo de matriz Nula:
0 =
_
_
_
_
_
_
_
_
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
_
_
_
_
_
_
_
_
Un elemento esencial dentro de las matrices es lo que denominamos como diagonal prin-
cipal de una matriz. Esta est formada por todos aquellos elementos que ocupan la misma la
y la misma columna, es decir, aquellos de la forma a
ii
.
Diagonal principal:
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
a
14
a
1n
a
21
a
22
a
23
a
24
a
2n
a
31
a
32
a
33
a
34
a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
a
m4
a
mn
_
_
_
_
_
_
_
_
_
En el caso particular de que la matriz sea cuadrada, la diagonal principal ira desde la
esquina superior izquierda de la matriz hasta la esquina inferior derecha de la matriz.
Diagonal principal:
_
_
_
_
_
_
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
a
41
a
42
a
43
a
44
_
_
_
_
_
_
Otra clasicacin surge de considerar la posicin que ocupen en una matriz los elementos
iguales a cero. De este modo, si todos los elementos de una matriz, salvo la diagonal principal
son cero, la matriz se denomina matriz diagonal, de este modo la matriz tendra la siguiente
forma
Diagonal principal:
_
_
_
_
_
_
_
_
_
a
11
0 0 0
0 a
22
0 0
0 0 a
33
0
0 0 0 a
44

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
_
_
_
_
_
_
_
_
_
Respecto a esta matriz hay que sealar que no es necesario que todos los elementos de la
diagonal principal sean distintos de cero. Una forma esquemtica de indicar una matriz diagonal
es mediante la siguiente expresin simblica:
_
`
A = (a
ij
) con
_
i = 1 . . . m
j = 1 . . . n
es diagonal si y slo si a
ij
= 0 cuando i = j
Un caso especial de matrices diagonales son las conocidas como matriz identidad de
orden n. Estas matrices son matrices diagonales con todos los elementos de la diagonal iguales
a 1, y se denotan como I
n
.
Ejemplos de matrices identidad:
I
2
=
_
1 0
0 1
_
; I
3
=
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
; I
4
=
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
Otras matrices destacables son las matrices triangulares, de forma esquemtica las denimos
del siguiente modo:
A = (a
ij
) con
_
i = 1 . . . m
j = 1 . . . n
se denomina Triangular
_
Superior si a
ij
= 0 cuando i > j
Inferior si a
ij
= 0 cuando i < j
Lo que se traduce en que las matrices triangulares son de la forma
Superior:
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
a
14

0 a
22
a
23
a
24

0 0 a
33
a
34

0 0 0 a
44

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
_
_
_
_
_
_
_
_
_
Inferior:
_
_
_
_
_
_
_
_
_
a
11
0 0 0
a
21
a
22
0 0
a
31
a
32
a
33
0
a
41
a
42
a
43
a
44

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
_
_
_
_
_
_
_
_
_
Como puede observarse, los elementos a
ij
con i > j, son aquellos en que la la tiene un ndice
mayor que la columna, por lo que ocupar una posicin por debajo de la diagonal principal, si
todos estos elementos son cero, deducimos que los nicos que no tienen que ser cero son aquellos
que ocupan posiciones en la diagonal principal o por encima, o lo que es lo mismo, el tringulo
que forman los elementos por debajo de la diagonal principal son todos cero. Por esta razn se
denomina Triangular superior, tiene forma triangular en sus elementos distintos de cero y este
est situado en la parte superior de la matriz. Ejemplos de matrices triangulares:
Superior:
_
_
_
_
_
_
2 3
5
1
4

0 0 a
23
0
0 0
3
2
7
0 0 0 3
_
_
_
_
_
_
Inferior:
_
_
_
_
_
_
1 0 0 0
0 0 0
3
1
5
4
1
3
0
2 0 1
38 61,245
_
_
_
_
_
_
1.2.3. Suma de Matrices
Si consideramos el ejemplo de las tiendas de pantalones expuesto en la seccin 1.2.1, para
calcular el stock de pantalones que tiene la empresa entre ambas tiendas para sumar ambas
matrices sumbamos cada elemento de una matriz con el elemento de la otra matriz que ocupa la
misma posicin (vase la pgina 4). De este modo, utilizando el lenguaje matemtico, pasamos
a denir la operacin suma en un conjunto de matrices.
Denominamos como M
mn
, el conjunto formado por todas las matrices de orden m n.
Dadas dos matrices A = (a
ij
) y B = (b
ij
) de orden m n, A, B M
mn
, se dene la suma
A+B como aquella matriz de M
mn
que verica que cada elemento de esta matriz es igual a
la suma de los elementos de las matrices A y B que ocupan la misma posicin, esto es
A + B = (a
ij
+ b
ij
)
tal y como describimos en la pgina 4.
Como puede observarse, la operacin de suma de matrices est ntimamente ligada a la
suma de nmeros reales, tan solo hay que respetar el las posiciones de los elementos, por lo que
es fcil de comprender que herede todas las propiedades de la suma de los nmeros:
_
Propiedades de la suma de matrices:

1. Asociativa
Si A, B, C M
mn
entonces
A + (B + C) = (A + B) + C
2. Existencia de Elemento neutro
En cada M
mn
existe una matriz nula, 0 M
mn
, tal que
dada cualquier matriz A M
mn
, se verica que
A + 0 = 0 + A = A
3. Elemento opuesto
Para cualquier matriz A M
mn
existe una matriz opuesta
, A M
mn
, de manera que
A + (A) = (A) + A = 0
4. Conmutativa
Para cualquiera dos matrices A, B M
mn
, se verica que
A + B = B + A
El uso de estas propiedades en las diversas operaciones con matrices, al ser idnticas a las
propiedades de la suma de nmeros, nos permite trabajar con matrices del mismo modo que
hacemos con nmeros. De este modo, del mismo modo que para conocer cul es el nmero que
sumado con 103 da un total de 96, lo que hacemos es restar 96 menos 103, obteniendo -07,
podemos aplicarlo para conocer la matriz que sumada con A nos da B, siendo
A =
_
4
2 3
6 1
3 1
2 6
_
y B =
_
1 3 4
2
2
3 2 4
_
.
Esto es buscamos la matriz X tal que A + X = B, y sabemos, por la aplicacin de propie-
dades, que X = B + (A), de modo que
X = B + (A) =
_
1 3 4
2
2
3 2 4
_
+
_
4
2 3
6 1
3 1
2 6
_
de donde
X =
_
1 4
2 3 3
6 4
2 1
2
3 3 2 + 1
2 4 6
_
=
_
3
2 6
6 3
2
5
3 3
2 2
_
1.2.4. Producto de una matriz por un escalar
En matemtica, se denomina tensor a una cierta clase de entidad algebraica, ya tengan una o
varias componentes, de una manera que sea independiente de cualquier sistema de coordenadas
elegido. Es un concepto que generaliza los conceptos propios de nmero, vector o matriz. Los
tensores son de especial importancia en campos como fsica y electrnica.
De forma particular, si consideramos un tensor de rango cero, nos referimos exclusivamente
a nmeros y reciben el nombre de escalares. Es decir los escalares son aquellas cantidades que
sirven para describir un fenmeno fsico con magnitud, pero sin las caractersticas vectoriales de
direccin o sentido. De este modo al ser operados con otros Tensores, no modican de ningn
modo ni la direccin, sentido o dimensin de estos ltimos.
En trminos tericos, el producto por escalares es una operacin entre dos conjuntos dis-
tintos, uno con dimensin y otro exclusivamente numrico, cuyo resultado es un elemento del
primer conjunto. Es decir, el producto de una matriz por un escalar es una nueva matriz, el
producto de un vector por un escalar es un nuevo vector, etc.
As se dene el producto de un escalar (lo escribimos con letras griegas) por una matriz
A de orden mn, esto es A M
mn
, del siguiente modo:
Si A = (a
ij
) M
mn
y R, entonces A = (a
ij
)
Es decir, para multiplicar un nmero por una matriz se multiplica el nmero por
cada uno de los elementos de la matriz.
Si A =
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
31
a
32
a
33
a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
a
mn
_
_
_
_
_
_
_
_
_
A =
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
31
a
32
a
33
a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
a
mn
_
_
_
_
_
_
_
_
_
El producto por escalares as denido verica las siguientes propiedades:
_
Propiedades del producto por escalares:

1. (A + B) = A + B
2. ( + ) A = A + A
3. ( A) = ( ) A
4. 1 A = A 1 = A
1.2.5. Producto de Matrices
Volvamos al ejemplo de las tiendas de pantalones descrito en la seccin 1.2.1, tenamos que
entre las dos tiendas el stock de pantalones existente era el siguiente:
Tallas
38 40 42 44 46 48
Levis 3 2 2 8 3 1
Pepe Jeans 6 3 1 3 2 5
Dior 1 3 2 2 5 1
D&G 2 1 6 6 3 5
Si supiramos que para la cadena de tiendas, cada pantaln de la marca Levis tiene un
coste de 56e, cada uno de la marca Pepe jeans tiene un coste de 73e, los de la marca Dior
le cuestan 122ey los de Doce&Gabbana cuestan 106e, y quisiramos calcular el importe total
del coste de la ropa en stock por tallas, podramos hacerlo del siguiente modo: Multiplicamos
el coste de cada marca por el stock de cada talla, despus sumamos los resultados, esto es:
Tenemos los costes
e
Levis 56
Pepe Jeans 73
Dior 122
D&G 106
multiplicamos y sumamos por columnas obteniendo:
Tallas
38 40 42 44 46 48
Levis 56 3 56 2 56 2 56 8 56 3 56 1
Pepe Jeans 73 6 73 3 73 1 73 3 73 2 73 5
Dior 122 1 122 3 122 2 122 2 122 5 122 1
D&G 106 2 106 1 106 6 106 6 106 3 106 5
Totales: 940 803 1065 1547 1242 1073
Expresando esto en el lenguaje de matrices tenemos lo siguiente:
_
56 73 122 106
_
_
_
_
_
_
_
3 2 2 8 3 1
6 3 1 3 2 5
1 3 2 2 5 1
2 1 6 6 3 5
_
_
_
_
_
_
=
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
56 3 56 2 56 2 56 8 56 3 56 1
+ + + + + +
73 6 73 3 73 1 73 3 73 2 73 5
+ + + + + +
122 1 122 3 122 2 122 2 122 5 122 1
+ + + + + +
106 2 106 1 106 6 106 6 106 3 106 5
= = = = = =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
=
=
_
940 803 1065 1547 1242 1073
_
En este caso hemos realizado una multiplicacin de una matriz la, de orden 1 4 por una
matriz de orden 4 6. Para ello hemos seguido el siguiente esquema de multiplicaciones:
el elemento de la primera columna POR cada elemento de la primera la.
el elemento de la segunda columna POR cada elemento de la segunda la.
el elemento de la tercera columna POR cada elemento de la tercera la.
el elemento de la cuarta columna POR cada elemento de la cuarta la.
y nalmente sumamos todos los elementos de cada columna para obtener cada elemento de
la la.
Si nos jamos en los rdenes de las matrices que hemos multiplicado tenemos
1 4 4 6 = 1 6
es decir, que la primera la tenga 4 columnas y la segunda matriz tenga 4 las es necesario
para que cada elemento de la la multiplique a su correspondiente elemento de la columna.
Veamos otro esquema, multiplicamos una matriz formada por smbolos de cartas francesas:
trboles(), rombos (), corazones() y picas() por otra de smbolos tipogrcos:
_

_
_
_
_
_
_
_

_
_
_
_
_
_
siendo el resultado nal:
_
+
_
Obsrvese que cada elemento del resultado nal est formado por 4 sumandos y en cada
sumando hay un elemento de la matriz la por un elemento de una columna determinada. Esto
se realiza de forma ordenada, el primero por el primero, el segundo por el segundo, el tercero
por el tercero, y as sucesivamente.
Si la primera matriz tuviera ms de una la, el resultado nal tendra ese mismo nmero de
las y cada una de ellas compuesta por un producto realizado de la misma forma. En denitiva,
la matriz producto se calcula del siguiente modo:
1. Clculo de la primera la:
a) Primer elemento: Es el resultado se sumar cada uno de los productos obtenidos al
multiplicar ordenadamente cada elemento de la primera la por cada elemento de
la primera columna.
b) Segundo elemento: Es el resultado se sumar cada uno de los productos obtenidos
al multiplicar ordenadamente cada elemento de la primera la por cada elemento
de la segunda columna.
c) Tercer elemento: Es el resultado se sumar cada uno de los productos obtenidos al
multiplicar ordenadamente cada elemento de la primera la por cada elemento de
la tercera columna.
d) &c
2. Clculo de la segunda la:
multiplicar ordenadamente cada elemento de la segunda la por cada elemento de
la primera columna.
al multiplicar ordenadamente cada elemento de la segunda la por cada elemento
de la segunda columna.
multiplicar ordenadamente cada elemento de la segunda la por cada elemento de
la tercera columna.
d) &c
3. Clculo de la tercera la:
multiplicar ordenadamente cada elemento de la tercera la por cada elemento de
la primera columna.
al multiplicar ordenadamente cada elemento de la tercera la por cada elemento de
la segunda columna.
multiplicar ordenadamente cada elemento de la tercera la por cada elemento de
la tercera columna.
d) &c
4. Y sigue del mismo modo
De forma terica se indica del siguiente modo:
_
Producto de matrices
La matriz producto es aquella que se obtiene como resultado de multi-
plicar una matriz A = (a
ij
) de orden mn por otra B = (b
jk
) de orden
n p es una matriz C = (c
ik
) de orden mp donde cada c
ik
se obtiene
por la expresin:
c
ik
=
n
j=1
a
ij
b
jk
Para entender el signicado de esa expresin matemtica hay que recordar que el smbolo
n
j=1
indica la suma desde que j = 1 hasta que j = n sin modicar los dems subndices, por
lo que
n
j=1
a
ij
b
jk
es lo mismo que a
i1
b
1k
+ a
i2
b
2k
+ a
i3
b
3k
+ a
i4
b
4k
+ + a
in
b
nk
de
donde
c
ik
= a
i1
b
1k
+ a
i2
b
2k
+ a
i3
b
3k
+ a
i4
b
4k
+ + a
in
b
nk
para cada uno de los valores i desde 1 hasta m y cada j desde 1 hasta p. Por lo que la nueva
matriz tiene n las y p columnas.
Ejemplo: Calculemos el producto de A y B, siendo
A =
_
2 3 2
1 4 5
_
y B =
_
_
_
3 8
5 2
6 3
_
_
_
Al ser el producto de una matriz 2 3 por una 3 2 el resultado nal ser una matriz 2 2.
A B =
_
2 3 2
1 4 5
_
_
_
_
3 8
5 2
6 3
_
_
_
=
_
2 3 + 3 5 + 2 6 2 8 + 3 2 + 2 3
1 3 + 4 5 + 5 6 1 8 + 4 2 + 5 3
_
=
_
33 28
53 31
_
Hay que tener en cuenta que el producto as NO es una operacin de composicin interna
de forma general. Se recuerda que una operacin se dice que es de composicin interna cuando
la operacin sobre dos elementos de un mismo tipo tiene como resultado un elemento del mismo
tipo anterior. En nuestro caso, de forma general, dadas dos matrices una de orden mn y otra
de orden n p, el producto es una matriz de orden mp, la cual no es del mismo tipo que las
anteriores, salvo que m = n = p en cuyo caso estamos ante una matriz cuadrada. Por lo tanto,
el producto de matrices slo es una operacin de composicin interna dentro de un
conjunto de matrices cuadradas.
Siendo as, slo tiene sentido hablar de propiedades del producto de matrices en el caso de
matrices cuadradas.
_
Propiedades del producto de Matrices

Cuadradas:
1. Asociativa
A (B C) = (A B) C
2. Existencia de Elemento neutro
En cada M
n
existe una matriz neutra para el producto, I
n

M
n
, tal que dada cualquier matriz A M
n
, se verica que
A I
n
= I
n
A = A
3. Distributiva respecto de la suma
El producto de matrices cuadradas es distributivo respecto de
la suma, esto es, dadas A, B, C M
n
se tiene que
A (B + C) = A B + A C
Respecto a la propiedad conmutativa hay que indicar que de forma general el producto
de matrices cuadradas NO es conmutativo.
Ejemplo:
_
1 2
3 4
_
_
0 0
1 1
_
=
_
1 0 + 2 1 1 0 + 2 1
3 0 + 4 1 3 0 + 4 1
_
=
_
2 2
4 4
_
_
0 0
1 1
_
_
1 2
3 4
_
=
_
0 1 + 0 3 0 2 + 0 4
1 1 + 1 3 1 2 + 1 4
_
=
_
0 0
4 6
_
Y como este ejemplo hay muchos casos.

En algunos casos particulares, puede darse el caso de que dos matrices s veriquen la
propiedad conmutativa, en esos caso se dice que esas dos matrices conmutan entre s.
Ejercicios
1. Dadas las matrices A =
_
1 2
2 3
_
, B =
_
0 3
1 2
_
y C =
_
1 3
0 2
_
, calcula
a) A + B C
b) A B + C
c) 2A 3B
d) A 2B + 3C
2. Calcula la matriz A que verica la igualdad:
3
_
1
5
3
6
2 8
2 4
_
=
_
1 0 4
2
1
3
1
4
_
+ A
3. Calcula las matrices X e Y que verican el sistema de ecuaciones
_
_
2X + Y =
_
5 12 7
4 2 7
_
3X + 2Y =
_
11 25 0
20 10 35
_
4. Dadas A =
_
_
_
1 2 0
0 1 1
2 1 1
_
_
_
y B =
_
_
_
0 1 2
1 1 0
0 2 1
_
_
_
, calcula:
a) A
2
B
2
b) (A B)
2
c) (A B)(A + B)
d) Compara los resultados con las mismas reglas de productos notables en nmeros. A
qu se deben las conclusiones?
5. En una academia de idiomas se imparten clases de ingls y alemn en cuatro niveles cada
uno y en dos tipos de grupos de cada nivel: grupos normales y grupos reducidos. La matriz
A representa el nmero de personas de cada nivel (las) en cada idioma (columnas):
A =
_
_
_
_
_
_
130 160
120 80
210 130
100 60
_
_
_
_
_
_
La matriz B representa los tantos por uno de estudiantes siendo el mismo para ambos
idiomas de grupos reducidos (primera la) y grupos normales (segunda la) de cada uno
de los niveles (columnas):
B =
_
0
2 0
25 0
4 0
75
0
8 0
75 0
6 0
25
_
a) Obtener la matriz que proporciona el numero de estudiantes por tipos de grupos e
idioma.
b) Sabiendo que la academia cobra 200eal mes por persona en grupos reducidos y
125eal mes por persona en grupo normal, halla la cantidad que ingresa en cada uno
de los idiomas.
6. Dada la matriz M =
_
_
_
1 1 0
0 1 1
0 0 1
_
_
_
.
a) Calcula la matriz J tal que M = J + I
3
.
b) Calcula J
2
, J
3
e induce J
1994
.
7. Calcula a, b, c y d para que 2
_
a b
c d
_
=
_
a 7
2 3d
_
+
_
5 a + b
c + d 4
_
8. Dada una matriz A de orden m n con m y n distintos de 1. Existe una matriz B tal
que A B sea una matriz la?
9. Encuentra todas las matrices del orden que corresponda y que conmuten con la matriz
A =
_
1 1
0 1
_
10. Calcula todos los productos posibles entre las siguientes matrices A =
_
_
_
1 2 3
1 1 1
0 1 1
_
_
_
,
B =
_
_
_
1
2
1
_
_
_
y C =
_
2 1 0
3 4 5
_
.
11. Indica razonadamente si alguna de estas expresiones son igualdades vlidas para cuales-
quiera matrices cuadradas A y B de orden n:
a) (A + B)
2
= A
2
+ 2A B + B
2
b) (A B)
2
= A
2
2A B + B
2
c) (A + B) (A B) = A
2
B
2
12. Comprueba que es cierto que A
2
A 2I
3
= 0 siendo
A =
_
_
_
0 1 1
1 0 1
1 1 0
_
_
_
13. Encuentra la matriz A que verica: A
_
1 0
2 1
_
=
_
5 2
6 3
_
1.2.6. Trasposicin de matrices
Volvamos a considerar el problema de las tiendas de pantalones, pero en esta ocasin, veamos
la tabla desde otro punto de vista, consideramos la tabla en vez de ver las tallas respecto de
las marcas (pg 4, vemoslo al revs, las marcas respecto de las tallas, con lo que tendramos:
Tallas Levis Pepe
Jeans
Dior D&G
38 3 6 1 2
40 2 3 3 1
42 2 1 2 6
44 8 3 2 6
46 3 2 5 3
48 1 5 1 5
En realidad, considerando slo las matrices, lo que se ha hecho es intercambiar las las por
las columnas, esto es lo que antes estaba escrito en las de izquierda hacia la derecha, ahora
aparece escrito en columnas de arriba hacia abajo:
_
_
_
_
_
_
3 2 2 8 3 1
6 3 1 3 2 5
1 3 2 2 5 1
2 1 6 6 3 5
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
3 6 1 2
2 3 3 1
2 1 2 6
8 3 2 6
3 2 5 3
1 5 1 5
_
_
_
_
_
_
_
_
_
_
_
Esto es lo que se conoce como Trasposicin de matrices. Escrito de forma matemtica
decimos que dada una matriz A de orden m n, se tiene la matriz traspuesta, A
t
de orden
n m intercambiando las las por columna de la matriz A:
Sea A M
mn
con A = (a
ij
), entonces A
t
M
nm
con A = (a
ji
)
Obsrvese que en A
t
se han escrito los subndices intercambiados j i. De otro modo,
Si A =
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
31
a
32
a
33
a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
a
mn
_
_
_
_
_
_
_
_
_
A
t
=
_
_
_
_
_
_
_
_
_
a
11
a
21
a
31
a
m1
a
12
a
22
a
32
a
m2
a
13
a
23
a
33
a
m3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
a
3n
a
mn
_
_
_
_
_
_
_
_
_
Evidentemente, en el caso de que una matriz sea cuadrada, la matriz traspuesta tiene el
mismo orden que la matriz original.
_
Propiedades la trasposicin de matrices

1. Idempotencia
(A
t
)
t
= A
2. Respecto de la suma de matrices
(A + B)
t
= A
t
+ B
t
3. Respecto del producto por escalares
(A)
t
= A
t
4. Respecto del producto de matrices
(A B)
t
= B
t
A
t
La trasposicin de matrices permite distinguir dos nuevos tipos de matrices. Las matrices
que al ser traspuestas quedan invariantes y las matrices que al ser traspuestas quedan cambiadas
de signo (opuestas).
Las primeras de ellas, aquellas que al ser traspuestas quedan invariantes, esto es, aquellas
matrices tales que A
t
= A, se denominan Matrices Simtricas. La razn del nombre es que
para que la matriz sea simtrica, al cambiar las las por las columnas debe quedar igual, lo
que implica que los nmeros ocupan una posicin geomtricamente simtrica respecto de la
diagonal principal.
A M
n
es simtrica si y solo si a
ij
= a
ji
i, j {1, . . . , n}
Ejemplos de matrices simtricas:
A =
_
_
_
_
_
_
1 2 3
4
1
2
0
2
1
2

6
6
3 0 6 198
_
_
_
_
_
_
B =
_
_
_
6 3
2 4
6
3
2 0 23
4
6 23
6
_
_
_
El segundo caso, las matrices que al ser traspuestas cambian de signo, se denominan Ma-
trices Antisimtricas. Ejemplo de matriz antisimtrica:
A =
_
_
_
_
_
_
0 2 3
0
1
2
0
2
1
2
0 6
3 0 6 0
_
_
_
_
_
_
A
t
=
_
_
_
_
_
_
0 2 3
0
1
2
0
2
1
2
0 6
3 0 6 0
_
_
_
_
_
_
Obsrvese que, en el ejemplo, la diagonal principal es completamente nula. Esto no es un caso
aislado, es una condicin necesaria para que pueda ocurrir que al sumar una matriz antisimtrica
con su traspuesta, el resultado sea la matriz nula. Sin esta condicin, como la diagonal principal
permanece invariante por la trasposicin, al sumar una matriz y su traspuesta, si algn elemento
de la diagonal no fuera cero, la suma tendra en esa posicin el doble del nmero, nunca sera
cero. Ejemplo:
A + A
t
=
_
_
_
0 2
3
1
2
2
1
2
0
_
_
_
+
_
_
_
0 2
3
1
2
2
1
2
0
_
_
_
=
=
_
_
_
0 + 0 + () 2 + 2
+ 3 + 3
1
2
+
1
2
2 + (2)
1
2
+ (
1
2
) 0 + 0
_
_
_
=
_
_
_
0 0 0
0 6 0
0 0 0
_
_
_
De este modo podemos decir que una matriz es antisimtrica si es cuadrada, tiene nulos todos
los elementos de la diagonal principal y adems opuestos los elementos simtricos respectos de
la misma.
A M
n
es antisimtrica si y solo si
_
a
ii
= 0
a
ij
= a
ji
i, j {1, . . . , n}
1.3. Determinantes
1.3.1. Introduccin
Los determinantes fueron introducidos en Occidente a partir del siglo XVI, esto es, mucho
tiempo antes que las matrices que no aparecieron hasta nales del siglo XVIII. En su sentido
original, el determinante es un clculo realizado con los coecientes de un sistema de ecuaciones
lineales cuyo objetivo es determinar la unicidad o no de la solucin del sistema.
El primero que introdujo este clculo en Europa, para el caso de sistemas de orden 2, fue
Gerlamo Cardano (1501-1576) quien en 1545 en su obra Ars Magna lo presenta como una regla
para la resolucin de sistemas de dos ecuaciones con dos incgnitas. Esta primera frmula lleva
el nombre de regula de modo.
Posteriormente, en el siglo XVII, el japons Takakasu Seki Kowa (1642-1708) y Gottfried
W. von Leibniz (1646-1716), con prcticamente los mismos ejemplos pero sin contacto entre
ellos, introdujeron los determinantes de matrices de orden 3 y 4. La aparicin de determinantes
de rdenes superiores tard an ms de cien aos en llegar.
Leibniz estudi distintos tipos de sistemas de ecuaciones lineales. Al no disponer de la
notacin matricial, representaba los coecientes de las incgnitas con una pareja de ndices: as
pues escriba ij para representar a
ij
. En 1678 se interes por un sistema de tres ecuaciones con
tres incgnitas y obtuvo, para dicho ejemplo, lo que se conoce como frmula de desarrollo a lo
largo de una columna. El mismo ao, escribi un determinante de orden 4, correcto en todo
salvo en el signo. Como Leibniz no public este trabajo, qued olvidado hasta que los resultados
fueron redescubiertos de forma independiente cincuenta aos ms tarde.
Figura 1.2: Seki Kowa (1642-
1708)
En el mismo periodo, Seki Kowa public en 1693 un
manuscrito titulado Mtodo de resolver los problemas disi-
mulados sobre los determinantes, donde se hallan frmulas
generales difciles de interpretar. Se dan frmulas correc-
tas para determinantes de tamao 3 y 4, pero, de nuevo,
presenta errores en los signos para aquellos determinantes
de orden superior. Este descubrimiento no pudo llegar en
su poca a conocimiento de los cientcos europeos debido
al cierre de fronteras de Japn respecto al mundo exterior
por rdenes del shogun (Comandante Jefe de los Ejrcitos)
Tokugawa Iemitsu (1604-1651) en 1638.
A mediados del siglo XVIII se da un nuevo impulso a
la teora de los determinantes. En el trabajo publicado tras
su muente, en 1748, Colin Maclaurin (1698-1746) ofrece la
resolucin correcta de un sistema de cuatro ecuaciones con
cuatro incgnitas. Y, como ya se dijo anteriormente, en 1750
Cramer formula las reglas generales que permiten la reso-
lucin de un sistema de n ecuaciones con n incgnitas. En
este caso los mtodos de clculo de los determinantes son muy delicados debido a que se basan
en la nocin de signatura de una permutacin, un concepto bastante lioso.
Los matemticos de la poca se familiarizaron con este nuevo objeto a travs de los artculos
de tienne Bzout (1730-1783) en 1764 y de Alexandre-T. Vandermonde (1735-1796) en 1771.
En 1772, Pierre-S. Laplace (1749-1827) establece las reglas de recurrencia que llevan su nombre
para el clculo de determinantes y que estudiaremos en estos apuntes. Al ao siguiente, Lagrange
descubri la relacin entre el clculo de los determinantes y el clculo de volmenes.
Finalmente, durante el siglo XIX, con los trabajos de Gauss, Augustin L. Cauchy (1789-
1857), Arthur Cayley (1821-1895), James J. Sylvester (1814-1897) y C.G. Jakob Jacobi (1804-
1851) los determinantes y las matrices toman la notacin y formulacin que an se conserva en
la actualidad. As como su extensin a otros campos de las matemticas tomando un valor de
gran utilidad.
1.3.2. Menor complementario y Adjunto
El determinante de una matriz cuadrada, det(A) |A|, es un nmero asociado mediante
una serie de clculos el cual est ntimamente ligado a una serie de propiedades de la matriz
que iremos analizando poco a poco. Aunque hay diversas formas de establecer el clculo de los
determinantes, tal y como se indic anteriormente, optamos por la forma denida por Laplace,
en la que el determinante de una matriz de orden n se puede calcular a partir de determinantes
de orden n 1 obtenidos de la propia matriz. As obtiene un proceso rescurrente de n pasos.
Antes de dar la denicin tenemos que introducir el concepto de Menor complementario
de un elemento de una matriz cuadrada. Sea A = (a
ij
) M
n
una matriz cuadrada, se llama
menor complementario de un elemento a
ij
de la matriz A a la submatriz que resulta de suprimir
en A la la i y la columna j y se denomina M
ij
.
Veamos unos ejemplos, sean A M
4
y B M
3
,
A =
_
_
_
_
_
_
1 2 3
3 4
1
2
0
2
3
5

6
6
4 9 7 198
_
_
_
_
_
_
B =
_
_
_
1 2 3
4 5 6
7 8 9
_
_
_
el menor complementario a
43
= 7 de la matriz A sera M
43
=
_
_
_
1 3
3 4 0
2
3
5
6
_
_
_
y el menor
complementario del elemento b
21
= 4 de la matriz B sera M
21
=
_
2 3
8 9
_
Es evidente que cada elemento de una matriz tiene uno y slo un menor complementario.
De este modo, si suponemos que sabemos calcular el determinante de una matriz cualquiera,
podemos denir tambin el concepto de Adjunto de un elemento a
ij
, denotado por A
ij
, el cual
no sera nada ms que la expresin A
ij
= (1)
i+j
|M
ij
|, es decir, el Adjunto de un elemento a
ij
es el resultado de multiplicar (1)
i+j
por el determinante de su menor complementario.
Un elemento que utilizaremos con posterioridad es la Matriz Adjunta, Adj(A) para cons-
truir esta matriz el proceso es muy simple, dada una matriz A = (a
ij
), la Matriz Adjunta de A
es aquella en la que se sustituye cada elemento a
ij
de A por su Adjunto A
ij
, de este modo si
A =
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
31
a
32
a
33
a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
a
nn
_
_
_
_
_
_
_
_
_
entonces Adj(A) =
_
_
_
_
_
_
_
_
_
A
11
A
12
A
13
A
1n
A
21
A
22
A
23
A
2n
A
31
A
32
A
33
A
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
A
n1
A
n2
A
n3
A
nn
_
_
_
_
_
_
_
_
_
1.3.3. Regla de Laplace
Ahora ya estamos en condiciones de dar la regla del clculo de determinantes de Laplace,
la cual es la siguiente:
_
Regla de Laplace para Determinantes

Sea A = (a
ij
) M
n
, consideremos una la determinada
k {1, . . . , n}, entonces
det(A) = |A| =
n
j=1
a
kj
A
kj
Es decir, para calcular el determinante de una matriz cuadrada, se considera una la cual-
quiera y se calcula la suma de los productos de cada elemento de la la por su correspondiente
adjunto. Si consideramos la segunda la de la matriz tendramos
det(A) = |A| = a
21
A
21
+ a
22
A
22
+ a
23
A
23
+ + a
2n
A
2n
+
Del mismo modo se puede calcular el determinante de una matriz mediante las columna, es
decir se determina una columna y se calcula la suma de los productos de cada elemento de la
columna por su correspondiente adjunto, de donde obtendramos
det(A) = |A| =
n
j=1
a
jk
A
jk
que en el caso particular de jar la tercera columna quedara como
det(A) = |A| = a
13
A
13
+ a
23
A
23
+ a
33
A
33
+ + a
3n
A
3n
+
Puede observase que como el para obtener el menor complementario hemos suprimido una
la y una columna, el menor complementario es de un orden menor que la matriz A, por lo
que queda evidente lo que armbamos anteriormente, que la regla de Laplace para calcular
el determinante de una matriz de orden n utiliza determinantes de orden n 1. Por lo tanto,
conocidos todos los Adjuntos de una la o columna de una matriz, podemos conocer el deter-
minante de la matriz completa. Veamos como se utiliza esto para calcular el determinante de
una matriz cualquiera.
Comenzaremos por el determinante de una matriz cuadrada de orden ms pequeo, de orden
1, y nalizaremos por el de orden 3, aplicando sucesivamente la regla de Laplace, es evidente
que se podr calcular el determinante de una matriz de un orden cualquiera.
1. Matriz de orden 1
Una matriz de orden 1 es una matriz formada por un nico elemento. Sea A = (a) M
1
entonces det(A) = |A| = a
Sea A =
_
a
11
a
12
a
21
a
22
_
M
2
consideremos los elementos de la primera la a
11
y a
12
,
sus menores complementarios son M
11
= (a
22
) y M
12
= (a
21
) por lo tanto los Adjuntos
de estos elementos son A
11
= (1)
1+1
a
22
= a
22
y A
12
= (1)
1+2
a
21
= a
21
entonces
siguiendo la Regla de Laplace
det(A) = |A| = a
11
a
22
+ a
12
(a
21
) = a
11
a
22
a
12
a
21
.
Una regla prctica para recordar este clculo del determinante de una matriz cuadrada
de orden 2 es: el producto de la diagonal principal menos el producto de la diagonal
secundaria.
Sea A =
_
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
M
3
, al igual que antes, consideremos los elementos de la
primera la a
11
, a
12
y a
13
. Sus menores complementarios son
M
11
=
_
a
22
a
23
a
32
a
33
_
M
12
=
_
a
21
a
23
a
31
a
33
_
y M
13
=
_
a
21
a
22
a
31
a
32
_
y los Adjuntos correspondientes son
A
11
= (1)
1+1
(a
22
a
33
a
23
a
32
) = a
22
a
33
a
23
a
32
A
12
= (1)
1+2
(a
21
a
33
a
23
a
31
) = a
23
a
31
a
21
a
33
A
13
= (1)
1+3
(a
21
a
32
a
22
a
31
) = a
21
a
32
a
22
a
31
de donde tenemos, aplicando la regla de Laplace, que
det(A) = |A| = a
11
(a
22
a
33
a
23
a
32
) + a
12
(a
23
a
31
a
21
a
33
) + a
13
(a
21
a
32
a
22
a
31
)
aplicando la propiedad distributiva de los nmeros y reordenando segn signo, nos queda
det(A) = |A| = a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
11
a
23
a
32
a
12
a
21
a
33
a
13
a
22
a
31
En este ltimo caso, si observamos un poco la forma de multiplicar observamos una regla
prctica para recordar este determinante, la conocida Regla de Sarrus,
Si consideramos gura formada por la matriz original aadindole las dos primeras co-
lumnas
a
11
a
12
a
13
a
11
a
12
a
21
a
22
a
23
a
21
a
22
a
31
a
32
a
33
a
31
a
32
Y en ella consideramos la diagonal principal de la matriz y dos paralelas que podran
formarse ms, as como la diagonal secundaria de la matriz y dos paralelas ms. Estas
lneas sealan seis productos de tres elementos cada uno.
a
11
a
12
a
13
a
11
a
12
a
21
a
22
a
23
a
21
a
22
a
31
a
32
a
33
a
31
a
32
a
11
a
12
a
13
a
11
a
12
a
21
a
22
a
23
a
21
a
22
a
31
a
32
a
33
a
31
a
32
Con signo positivo Con signo negativo
Considerando los primeros con signo positivo y los tres ltimos con signo negativo, tene-
mos la expresin del determinante de una matriz de orden 3.
|A| = a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
11
a
23
a
32
a
12
a
21
a
33
a
13
a
22
a
31
Otra forma de visualizar la Regla de Sarrus para el clculo de un determinante de orden 3
es mediante la multiplicacin de los elementos unidos con lneas en la siguiente gura:
Con signo positivo Con signo negativo
@
@
@
@
@
@
@
@
@
@
@
@
A
A
A
A
A
H
H
H
H
H
A
A
A
A
A H
H
H
H
H
Ejemplo de clculo de determinantes:
Orden 2:
det
_
2 3
8 9
_
=
2 3
8 9
= 2 (9) 8 (3) = 18 + 24 = 6
Orden 3:
det
_
_
_
1 2 3
4 5 6
7 8 9
_
_
_
=
1 2 3
4 5 6
7 8 9
=
= 1 5 (9) + 2 6 (7) + 4 8 3 3 5 (7) 4 2 (9) 1 8 6 =
= 45 84 + 96 + 105 + 72 48 = 96
Orden 4:
det
_
_
_
_
_
_
1 2 3 1
1 1 1 1
3 0 1 1
2 1 2 0
_
_
_
_
_
_
=
1 2 3 1
1 1 1 1
3 0 1 1
2 1 2 0
Elegimos una la o columna, por ejemplo la tercera columna. Determinamos los Adjuntos
de los cuatro elementos de la tercera columna:
a
13
= 3 A
13
= (1)
1+3
1 1 1
3 0 1
2 1 0
=
= (1) (1 0 0 + 1 (1) 2 + 1 3 1 1 0 2 1 (1) 1 1 3 0) =
= 0 2 + 3 0 + 1 0 = 0
a
23
= 1 A
23
= (1)
2+3
1 2 1
3 0 1
2 1 0
=
= (1) (1 0 0 + 2 (1) 2 + (1) 3 1 (1) 0 2 1 (1) 1 2 3 0) =
= (1)(0 4 3 0 + 1 0) = 6
a
33
= 1 A
33
= (1)
3+3
1 2 1
1 1 1
2 1 0
=
= (1) (1 1 0 + 2 1 2 + (1) 1 1 (1) 1 2 1 1 1 2 1 0) =
= 0 + 4 1 + 2 1 0 = 4
a
43
= 2 A
43
= (1)
4+3
1 2 1
1 1 1
3 0 1
=
= (1) (1 1 (1) + 2 1 3 + (1) 1 0 (1) 1 3 1 1 0 2 1 (1)) =
= (1)(1 + 6 0 + 3 0 + 2) = 7
Finalmente multiplicamos cada uno de los cuatro elementos por su Adjunto y sumamos
1 2 3 1
1 1 1 1
3 0 1 1
2 1 2 0
= 3 0 + 1 6 + 1 4 + 2
( 7) = 0 + 6 + 4 14 = 4
Como puede observarse la cantidad de operaciones para calcular un determinante aumenta

muy rpidamente cuando aumenta el orden de la matriz. Hay que tener en cuenta que para un
determinante de orden 4 se debern desarrollar 4 determinantes de orden 3. Para un determi-
nante de orden 5, se obtienen 5 determinantes de orden 4 a desarrollar, dndonos un total de 20
determinantes de orden 3. No es difcil llegar a conclusin de que el nmero de determinantes
de orden 3 que se obtienen en el desarrollo de un determinante de orden n es
n!
3!
=
n (n 1) (n 2) 2 1
3 2 1
.
Si adems tenemos en cuenta que cada determinante de orden 3 necesita de 18 multiplicaciones
y 5 sumas, para calcular un determinante de orden 14 se necesitaran 23
14!
3!
= 334,183,449,600
operaciones (multiplicaciones y sumas). Y de aqu la importancia de saber utilizar las herra-
mientas actuales bien sean informticas o calculadoras para que nos ahorren un buen nmero
de clculos.
Una deduccin lgica que nos puede servir para reducir el nmero de operaciones, es elegir
para aplicar la Regla de Laplace aquella la o columna de la matriz que disponga de un mayor
nmero de ceros entre sus elementos. De este modo, como sabemos que al multiplicar el elemento
nulo por su Adjunto, el resultado es cero, no necesitaremos calcular el Adjunto correspondiente.
De este modo se simplican muchos clculos.
Ejemplo:
Consideremos el determinante de la matriz diagonal siguiente
|A| =
2 1 1 3 6
0 1 3
_
(2) 2 0
0 0
2 0 7 5
0 0 0 1 2 1
0 0 0 0 2 1
0 0 0 0 0
Desarrollando por la primera columna tenemos que

|A| = 2A
11
+ 0A
21
+ 0A
31
+ 0A
41
+ 0A
51
+ 0A
61
= 2A
11
Para calcular A
1
1 tenemos que calcular
A
11
= (1)
1+1
1 3
_
(2) 2 0
0
2 0 7 5
0 0 1 2 1
0 0 0 2 1
0 0 0 0
Que desarrollando por tambin por la primera columna se queda reducido a la expresin A
11
=
(1)
1+1
1A
11
, por lo que tenemos que |A| = 2(1)
1+1
1 A
11
= 2 1 A
11
Del mismo modo, para calcular A
11
tenemos que
A
11
= (1)
1+1
2 0 7 5
0 1 2 1
0 0 2 1
0 0 0
2 A
11
de donde |A| = 2 1
2 A
11
y siguiendo
A
11
= (1)
1+1
1 2 1
0 2 1
0 0
= 1 A
11
por tanto, ahora, |A| = 2 1
2 1 A
11
y nalmente
A
11
= (1)
1+1
2 1
0
= 2 A
iv
11
= 2
2
quedando el determinante solo en
|A| = 2 1
2 1 2
2 = 8
Y del ejemplo, podemos deducir que en el caso de las matrices triangulares o diagonales, el
determinante es igual al producto de los elementos de la diagonal principal.
1.3.4. Propiedades de los determinantes
1. Si en una matriz hay una la o columna de ceros, el determinante de la matriz
es cero.
Aplicando la Regla de Laplace a esa la o columna se deduce que como todos los elementos
de esa la o columna son cero y la suma de productos de elementos por Adjuntos tambin
es cero.
2. El determinante de una matriz es igual al determinate de su traspuesta.
det(A) = det(A
t
)
Ejemplo:
det(A) =
2 3 5
1 6 4
0 2 1
= 26(1)+340+(1)255603(1)(1)242 =
= 12 + 0 10 0 3 16 = 41
det(A
t
) =
2 1 0
3 6 2
5 4 1
= 26(1)+(1)25+340065(1)3(1)224 =
= 12 10 + 0 0 3 16 = 41
3. Si una la o columna de una matriz se multiplica por un nmero, el determi-
nante se multiplica por ese nmero.
Al aplicar la Regla de Laplace en esa la o columna, todos los sumandos formados por
el producto del elemento por su Adjunto, estn multiplicados por el nmero, entonces
ese nmero es un factor comn a la suma, aplicando la propiedad distributiva, se tiene
comprobada la propiedad indicada.
Ejemplo: Puede calcularse que
2 6 5
1 12 4
0 4 1
= 82 y teniendo en cuenta el ejemplo

anterior:
2 6 5
1 12 4
0 4 1
2 2 3 5
1 2 6 4
0 2 2 1
= 2
2 3 5
1 6 4
0 2 1
= 2 (41)
4. Si descomponemos una columna (o la) de una matriz en suma de dos co-
lumnas (o las), las matrices compuestas por las mismas columnas (o las)
excepto la descompuesta que pasa cada sumando a una matriz, entonces la
suma de ambos determinantes es el igual al determinante de la matriz inicial.
Ejemplo:
2 3 5
1 6 4
0 2 1
2 1 + 2 5
1 2 + 4 4
0 3 1 1
=
=
2 1 5
1 2 4
0 3 1
2 2 5
1 4 4
0 1 1
= 44 + 3 = 41
5. Si en un determinante se permutan dos las (o columnas) el determinante
cambia de signo.
Ejemplo:
2 3 5
1 6 4
0 2 1
= 41
2 3 5
0 2 1
1 6 4
= 2 2 4 +3 (1) (1) +5 0 6 5 2 (1) 3 0 4 2 (1) 6 = 41

6. Si un determinante tiene dos las (o columnas) iguales es cero.
7. Si en una matriz una la (o columna) es el resultado de una combinacin lineal
de otras las (o columnas) su determinante es cero.
Ejemplo: En la siguiente matriz la tercera la es el resultado de multiplicar la primera
la por 2 y restar la segunda.
2 3 5
1 6 4
5 0 6
= 0
8. Si a una la (o columna) de una matriz se le suma una combinacin lineal de
otras lneas, el determinante no vara.
Ejemplo:
2 3 5
1 6 4
0 2 1
= 41
Si a la tercer la le sumo el doble de la primera y resto la segunda
2 3 5
1 6 4
5 2 5
= 41
9. El determinante del producto de dos matrices es igual al producto de los
determinantes.
Ejemplo: Consideremos la dos matrices y su producto
_
1 2
3 4
_
_
0 1
1 1
_
=
_
1 0 + 2 1 1 1 + 2 1
3 0 + 4 1 3 1 + 4 1
_
=
_
2 3
4 7
_
Los determinantes son
1 2
3 4
= 1 4 2 3 = 2
0 1
1 1
= 0 1 1 1 = 1
2 3
4 7
= 2 7 3 4 = 2
y efectivamente

1 2
3 4
0 1
1 1
= (2) (1) = 2 =
2 3
4 7
1.4. Matriz Inversa

Por denicin de inverso de un producto, si una matriz A M
n
tiene inversa, debe existir
una matriz B M
n
tal que A B = B A = I
n
. En ese caso denotamos la inversa de A con el
smbolo A
1
.
Ahora bien, cul es la condicin que debe vericar una matriz cuadrada A para que tenga
inversa?
Si A tiene inversa A
1
entonces A A
1
= I
n
, entonces el determinante de ese producto
ser 1, det (A A
1
) = det(I
n
) = 1, por lo que aplicando las propiedades de los determinantes
det(A) det(A
1
) = 1, entonces ambos nmeros, det(A) y det(A
1
) tienen que ser distintos de
cero.
Por lo tanto, para que una matriz pueda tener inversa es necesario que su deter-
minante sea distinto de cero.
det(A) = 0 A
1
1.4.1. Clculo de la matriz inversa por Matriz Adjunta
Una vez que nos hayamos asegurado de que existe una la matriz inversa de una matriz
A M
n
, podemos proceder al clculo del siguiente modo
A
1
=
1
|A|
[Adj(A)]
t
=
1
|A|
Adj(A
t
)
Es decir, la Matriz inversa de una Matriz A es igual a la matriz Traspuesta de la matriz Ad-
junta multiplicada por el inverso del determinante, o tambin la matriz Adjunta de la traspuesta
multiplicada por el inverso del determinante.
_
Propiedades la Inversa de una Matriz

1. Si existe es nica
2. Idempotencia
(A
1
)
1
= A
3. Respecto del producto por escalares
(A)
1
=
1
A
1
4. Respecto del producto de matrices
(A B)
1
= B
1
A
1
5. |A
1
| =
1
|A|
Aplicaciones de la Matriz Inversa a la
Criptografa
La palabra criptografa proviene del griego (kryptos), que signica oculto y
(graphos), escribir, es decir, signica literalmente escritura oculta. La criptografa ha sido
usada a travs de los aos para enviar mensajes condenciales cuyo propsito era que slo las
personas autorizadas puedan entender el mensaje.
Si alguien que quiere mandar informacin condencial aplica tcnicas criptogrcas para
poder esconder el mensaje, lo que usualmente se denomina como cifrar o encriptar, manda
el mensaje por una lnea de comunicacin que se supone insegura y despus solo el receptor
autorizado pueda leer el mensaje escondido, lo que llamamos descifrar o descencriptar.
En realidad, es la criptologa la ciencia que se dedica al estudio y anlisis de sistemas que
ofrecen medios seguros de comunicacin en los que un emisor oculta o cifra un mensaje antes
de transmitirlo para que slo un receptor autorizado pueda descifrarlo. Y es esta la que se
divide en dos partes diferenciadas: la propia criptografa que se dedica al diseo de sistemas
de comunicacin segura y el criptoanlisis que se dedica al estudio de tcnicas para romper el
sistema cifrado de las claves criptogrcas.
La criptologia fue en un principio desarrollada con nes comunicacionales para diplomticos
y militares. Algunos de los ejemplos de su uso son la proteccin de archivos informticos y la
proteccin de transacciones nancieras informticas.
El procedimiento utilizado para cifrar datos se realiza por medio de un algoritmo, al cual se
le puede considerar como una funcin matemtica. Por lo tanto, un algoritmo de cifrado es una
frmula para desordenar una informacin de manera que sta se transforme en incomprensible,
usando un cdigo o clave (en ocasiones, ms de una). Los mensajes que se tienen que proteger,
denominados texto en claro o texto plano, se transforman mediante esta funcin, y a la salida
del proceso de puesta en clave se obtiene el texto cifrado o cifrograma. En muchos casos existe
un algoritmo de descifrado encargado de reordenar la informacin y volverla inteligible, pero
no siempre es as. Cuando existen ambas funciones, una para cifrar y otra para descifrar, se
dice que el sistema criptogrco es de dos vas o reversible (a partir de un mensaje en claro se
puede obtener uno cifrado y a partir de ste se puede obtener el mensaje original), mientras que
cuando no existe una funcin para descifrar, se dice que el sistema es de una sola va (a partir
de un mensaje cifrado no es posible obtener el mensaje en claro que lo gener; la aplicacin de
esto es, por ejemplo, para el almacenamiento de contraseas).
La transformacin de datos provee una posible solucin a dos de los problemas de la segu-
ridad en el manejo de datos. El problema de la privacidad y el de la autenticacin, evitando
que personas no autorizadas puedan extraer informacin del canal de comunicacin o modicar
estos mensajes.
La criptografa es una disciplina con multitud de aplicaciones, muchas de las cuales estn
en uso hoy en da. Entre las ms importantes destacamos las siguientes:
Seguridad de las comunicaciones. Es la principal aplicacin de la criptografa a las
redes de computadores, ya que permiten establecer canales seguros sobre redes que no lo
son. Adems, con la potencia de clculo actual y empleando algoritmos de cifrado simtrico
(que se intercambian usando algoritmos de clave pblica), se consigue la privacidad sin
perder velocidad en la transferencia.
Identicacin y autenticacin. Gracias al uso de rmas digitales y otras tcnicas
criptogrcas es posible identicar a un individuo o validar el acceso a un recurso en un
entorno de red con ms garantas que con los sistemas de usuario y clave tradicionales.
Certicacin. La certicacin es un esquema mediante el cual agentes ables (como
una entidad certicadora) validan la identidad de agentes desconocidos (como usuarios
reales). El sistema de certicacin es la extensin lgica del uso de la criptografa para
identicar y autenticar cuando se usa a gran escala.
Comercio electrnico. Gracias al empleo de canales seguros y a los mecanismos de
identicacin se posibilita el comercio electrnico, ya que tanto las empresas como los
usuarios tienen garantas de que las operaciones no pueden ser espiadas, reducindose el
riesgo de fraudes, timos y robos adems de diferentes tipos de estafa.
Nosotros vamos a aplicar lo aprendido en el estudio de matrices para practicar un mtodo
muy simple, pero efectivo, para codicar y decodicar mensajes. Ten en cuenta que siempre
que transmitimos un mensaje cifrado, la persona que lo recibe tiene que tener los mecanismos
oportunos para descifrarlo. Este sistema ha sido importante en la historia de la criptografa,
fue inventado por Lester S. Hill en 1929, y fue el primer sistema criptogrco polialfabtico que
era prctico para trabajar con mas de tres smbolos simultneamente.
Para poner en prctica nuestro mtodo vamos a necesitar una tabla en la que haremos
corresponder un nmero a cada letra del abecedario y al espacio, por ejemplo
A B C D E F G H I J K L M N
27 26 25 24 23 22 21 20 19 18 17 16 15 14
O P Q R S T U V W X Y Z
13 12 11 10 9 8 7 6 5 4 3 2 1 0
Se elige un entero d que determina bloques de d elementos que van a ser tratados como
vectores de d dimensiones y una matriz cuadrada de orden d que ser la matriz de cifrado a
utilizar. Los elementos de esta matriz deben ser nmeros enteros comprendidos entre 0 y 27,
adems la matriz debe ser inversible, por ejemplo, tomamos d = 5 y como matriz
Matriz =
_
_
_
_
_
_
_
_
1 0 1 3 1
1 4 5 1 9
0 1 1 0 1
2 2 3 0 9
1 6 0 0 8
_
_
_
_
_
_
_
_
Inversa =
1
88
_
_
_
_
_
_
_
_
44 132 352 88 0
10 30 128 4 12
3 9 100 10 14
18 34 104 28 4
13 39 140 14 2
_
_
_
_
_
_
_
_
Ahora seleccionemos un mensaje a encriptar
Me encantan las matemticas porque son muy instructivas
Sustituimos cada letra por el nmero que le corresponde
M e e n c a n t a n l a
15 23 0 23 14 25 27 14 7 27 14 0 16 27
s m a t e m a t i c a s
8 0 15 27 7 23 15 27 7 19 25 27 8 0
p o r q u e s o n m u y
11 12 9 10 6 23 0 8 12 14 0 15 6 2
i n s t r u c t i v a s
19 14 8 7 9 6 25 7 19 5 27 8
Para la encriptacin, el texto es dividido formando una matriz de 5 columnas.
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
15 23 0 23 14
25 27 14 7 27
14 0 16 27 8
0 15 27 7 23
15 27 7 19 25
27 8 0 11 12
9 10 6 23 0
8 12 14 0 15
6 2 19 14 8
7 9 6 25 7
19 5 27 8 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Multiplicamos esa matriz por la matriz de cifrado
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
15 23 0 23 14
25 27 14 7 27
14 0 16 27 8
0 15 27 7 23
15 27 7 19 25
27 8 0 11 12
9 10 6 23 0
8 12 14 0 15
6 2 19 14 8
7 9 6 25 7
19 5 27 8 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 1 3 1
1 4 5 1 9
0 1 1 0 1
2 2 3 0 9
1 6 0 0 8
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
98 222 199 68 541
93 298 195 102 561
76 118 111 42 337
52 239 123 15 409
105 303 214 72 636
69 126 100 89 294
65 92 134 37 312
35 152 82 36 250
44 103 77 20 233
73 134 133 30 375
40 63 95 62 163
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
La matriz con los datos obtenidos tras la multiplicacin
sera la que se enviara, por ejemplo mediante un correo
electrnico tal y como muestra la gura. De este modo, el
receptor del mensaje, slo tendr que deshacer los pasos
dados. Dividir el mensaje en una matriz de 5 columnas,
multiplicar dicha matriz por la matriz inversa de la matriz
de cifrado y buscar la correspondencia de letras respecto a
nmeros.
Con este mtodo se consigue dicultar el trabajo de des-
cifrado para aquella persona que no conozca las claves.
Es un mtodo sencillo y fcil de programar con ayuda de
herramientas informticas. Tambin hay que destacar que
el mtodo descrito necesita pocos elementos para el cifrado
y para que funcione tanto el emisor como el receptor del
mensaje debe slo deben conocer ambos: la tabla de corres-
pondencia entre letras y nmeros y la Matriz de cifrado.
Evidentemente este no es un mtodo muy seguro para los tiempos actuales. En la actualizad
las tcnicas de cifrado utilizan conceptos matemticos mucho ms avanzados y basados en
resultados matemticos muy recientes, que llegan a permitir que, ni con la ayuda de los ms
modernos ordenadores actuales, sea prcticamente imposible descifrar un cdigo generado con
las tcnicas admitidas por el sistema Advanced Encryption Standard (AES). Tan slo unos
investigadores armaron, en 2005, haber descifrado con xito un cdigo basado en bloques de
128 bits, el admitido por AES. Pero hasta la fecha no se ha comprobado que sea cierto.
Por otro lado, la matemtica ya tiene resueltos estos posibles inconvenientes para el caso de
ordenadores ms potentes, tan slo no se han llevado a la prctica por decisiones empresariales
de cambio de software.
1.5. Rango de una matriz
Dada una matriz cualquiera podemos considerar que dentro de ella hay otras submatrices
sin ms que seleccionar aquellos elementos que forman parte de unas determinadas las y
columnas. Por ejemplo, consideremos la matriz siguiente:
A =
_
_
_
_
_
_
1 0 2 5 1 0
2 2 0 3 1 2
0 0 2 2 3 0
1 1 6 4 2 3
_
_
_
_
_
_
en ella seleccionaremos aquellos elementos que estn en las las 1 y 3 y en las columnas 2, 4 y
5. De esta forma podemos formar la matriz de orden 2 3
A
=
_
0 5 1
0 2 3
_
Dentro de las mltiples submatrices que podemos formar tienen un especial inters aquellas
submatrices que son cuadradas. Y de estas consideramos su determinante. As podemos denir
el concepto de menor de orden k:
_
Menor de orden k una matriz

Sea A = (a
ij
) M
mn
y sea M A una submatriz
cuadrada de orden k, decimos que det(M) es un menor
de orden k de la matriz.
Si consideramos la matriz
A =
_
_
_
1 0 2 5
2 2 0 3
1 1 6 4
_
_
_
tendremos que esta matriz tiene los siguientes menores:
De orden 1 tiene 12 menores, los doce valores de la matriz: 1, 0, 2, 5, 2, 2, 0, 3, 1, 1, 6 y
4.
De orden 2 tiene 18 menores:
1 0
2 2
= 2;
1 2
2 0
= 4;
1 5
2 3
= 7;
0 2
2 0
= 4;
0 5
2 3
= 10;
2 5
0 3
= 2;
1 0
1 1
= 1;
1 2
1 6
= 4;
1 5
1 4
= 1;
0 2
1 6
= 2;
0 5
1 4
= 5;
2 5
6 4
= 22;
2 2
1 1
= 0;
2 0
1 6
= 6;
2 3
1 4
= 5;
2 0
1 6
= 6;
2 3
1 4
= 5;
0 3
6 4
= 18.
De orden 3 tiene 4 menores:
1 0 2
2 2 0
1 1 6
= 12;
1 0 5
2 2 3
1 1 4
= 5;
1 2 5
2 0 3
1 6 4
= 32;
0 2 5
2 0 3
1 6 4
= 50.
No tiene menores de orden 4 o superior al no contener ninguna submatriz de orden mayor
que 3.
Ahora podemos dar la denicin de rango de una matriz :
_
Rango de una matriz

Sea A = (a
ij
) M
mn
se llama rango de la matriz
A al mayor orden de todos los menores distintos de cero
de la matriz.
En el caso del ejemplo anterior el rango de la matriz es 3 pues tiene menores de orden 3
distintos de cero y este es el mayor orden posible
rang
_
_
_
1 0 2 5
2 2 0 3
1 1 6 4
_
_
_
= 3
En el caso de la matriz B =
_
_
_
1 0 2 1
2 2 2 0
3 2 4 1
_
_
_
puede comprobarse que el rango es 2, ya que
los cuatro menores de orden 3 son cero:
1 0 2
2 2 2
3 2 4
= 0;
1 0 1
2 2 0
3 2 1
= 0;
1 2 1
2 2 0
3 4 1
= 0;
0 2 1
2 2 0
2 4 1
= 0.
y adems existe un menor de orden 2 distinto de cero,
1 0
2 2
= 2 = 0.
1.5.1. Herramientas informticas de inters para el calculo matricial
WolframAlpha es un buscador de respuestas desarrollado por la compaa Wolfram
Research. Es un servicio en lnea que responde a las preguntas directamente, mediante el
procesamiento de la respuesta extrada de una base de datos estructurados. Tiene grandes
posibilidades y simplicidad de clculo general (en ingls). http://www.wolframalpha.com/
Maxima potente programa completo de clculo simblicas. De gran extensin e interfaz y
potencialidad similar a Mathematica el programa matemtico ms extendido del mundo.
Es gratuito: http://maxima.sourceforge.net/es/
Derive es un programa completo de clculo simblico. Uno de los ms utilizados por su
interfaz de ventanas cmodas. Es de pago, por lo que se recomienda probar primero con
la versin demo. http://www.derisoft.com.
1.6. Ejercicios
1. Sabiendo que A es
_
1 2
2 1
_
y que la inversa de A B es
_
2 4
5 3
_
Calcular la inversa
de B
2. Dar un ejemplo de tres matrices de orden dos, A, B, C M
2
, no nulas y distintas entre
s tales que A B = A C. Puedes armar algo sobre el determinante de A?
3. Calcula los determinantes
a)
3 1 1 1
1 3 1 1
1 1 3 1
1 1 1 3
, b)
2 1 1 1 1
1 3 1 1 1
1 1 4 1 1
1 1 1 5 1
1 1 1 1 6
, c)
5 6 0 0 0 0
1 5 6 0 0 0
0 1 5 6 0 0
0 0 1 5 6 0
0 0 0 1 5 6
0 0 0 0 1 5
Sol: a) 48 , b) 394, c) 665

4. Calcular los determinantes de la matrices simplicando al mximo
A =
_
sen cos
cos sen
_
B =
_
x 1 1
x
3
x
2
+ x + 1
_
C =
_
tan 1
1 tan
_
D =
_
a + b a b
a b a + b
_
Sol: |A| = 1, |B| = 1, |C| = cos
2
, |D| = 4ab
5. Encontrar una justicacin para que el siguiente determinante sea nulo
1 1 1
a b c
b + c a + c a + b
6. Calcular, si es posible, la inversa de las siguientes matrices

a)
_
2 3
5 7
_
b)
_
_
_
1 2 3
4 5 6
7 8 9
_
_
_
c)
_
_
_
_
_
_
1 1 1 1
1 2 3 4
1 3 1 0
1 0 3 0
_
_
_
_
_
_
7. Para qu valores de a la matriz
_
_
_
a 0 1
1 1 1
a 0 a 1
_
_
_
es invertible?
8. Para qu valores de a y b la matriz
_
_
_
a 0 1
1 b a
1 1 1
_
_
_
es invertible?
9. Justicar que si A es una matriz cuadrada de orden n y un escalar no nulo, entonces
|A| =
n
|A|.
10. Es cierto que si A es una matriz cuadrada de orden n que verica que A A
t
= I
n
,
entonces necesariamente |A| = 1?
11. Es cierto que | A| = |A|?
12. Determinante de Vandermonde. A partir de comprobar que
a)
1 x
1
1 x
2
= (x
2
x
1
),
b)
1 x
1
x
2
1
1 x
2
x
2
2
1 x
3
x
2
3
= (x
3
x
2
)(x
3
x
1
)(x
2
x
1
)
c)
1 x
1
x
2
1
x
3
1
1 x
2
x
2
2
x
3
2
1 x
3
x
2
3
x
3
3
1 x
4
x
2
4
x
3
4
= (x
4
x
3
)(x
4
x
2
)(x
4
x
1
)(x
3
x
2
)(x
3
x
1
)(x
2
x
1
)
deducir que
1 x
1
x
2
1
x
n1
1
1 x
2
x
2
2
x
n1
2
1 x
3
x
2
3
x
n1
3
.
.
.
.
.
.
.
.
.
.
.
.
. . .
1 x
n
x
2
n
x
n1
n
=
n
i>j
(x
i
x
j
)
13. Sea A una matriz cuadrada de orden n, B una matriz cuadrada de orden m y C una
matriz de orden n m. Comprobar que la matriz cuadrada de orden n + m, compuesta
de la forma
_
A C
0 B
_
tiene por determinante |A| |B|, esto es
A C
0 B
= |A| |B|
14. Resuelva, si se dan las condiciones necesarias, las ecuaciones matriciales
a)
_
_
_
4 7 8
7 5 9
8 9 6
_
_
_
_
_
_
x
1
y
1
z
1
x
2
y
2
z
2
x
3
y
3
z
3
_
_
_
=
_
_
_
1 2 3
2 4 5
3 5 6
_
_
_
b)
_
_
_
_
_
_
1 0 0 0
0 0 4 7
0 2 3 0
0 0 6 8
_
_
_
_
_
_
_
_
_
_
_
_
x
1
y
1
z
1
w
1
x
2
y
2
z
2
w
2
x
3
y
3
z
3
w
3
x
4
y
4
z
4
w
4
_
_
_
_
_
_
=
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
15. Demuestra, sin calcularlo, que el determinante
1 0 5
3 3 0
4 6 5
es mltiplo de 15.
16. Demuestra, sin calcularlo, que el determinante
1 2 1
1 9 8
5 0 6
es mltiplo de 11.
17. Resuelve la ecuacin
x 1 0 0
0 x 1 0
0 0 x 1
1 0 0 x
= 0
18. Resuelve la ecuacin
1 x x x
x 1 x x
x x 1 x
x x x 1
= 0
19. Dada la matriz A =
_
_
_
1 1 1
0 m 1
1 1 m
_
_
_
, averigua para qu valores del parmetro m existe
A
1
. Calcula A
1
para m = 1.
20. El determinante
2 a 5
4 a
2
13
8 a
3
35
vale 0 cuando a = 3. Comprubalo e indica las propiedades

aplicadas para justicarlo.
_
1 2 m
1 1 1
_
y B =
_
_
_
1 3
m 0
0 2
_
_
_
, calcula los valores de m
para los que la matriz A B no tiene inversa.
_
1 2 m
1 1 1
_
y B =
_
_
_
1 3
m 0
0 2
_
_
_
, calcula los valores de m
para los que la matriz B A no tiene inversa.
23. Determinar dos matrices A y B tales que:
3A 5B =
_
1 2
8 1
_
; A + 3B =
_
2 4
3 0
_
24. Dadas las matrices:
A =
_
1 2
3 2
_
; B =
_
0 3
1 2
_
; C =
_
1 3
0 2
_
Calcular:
A + B C ; A B + C ; A B C
2A 3B ; 3B 5A ; A (B 2C)
25. Hallar la matriz M que satisface la igualdad:
2
_
1 0 1 1
0 1 1 3
_
=
_
1 0 1 2
0 1 0 5
_
+ M
A =
_
_
_
3 5 2
1 3 4
6 0 1
_
_
_
; B =
_
_
_
1 0 2
3 1 5
6 1 4
_
_
_
; C =
_
_
_
4 6 7
3 5 0
0 0 2
_
_
_
Calcular A(B + C), AB
, B
A, A(3B 2C), A
2
A =
_
2 0
4 15
_
; B =
_
1 1
2 9
_
Resolver el sistema matricial:
5X + 3Y = A
3X + 2Y = B
y calcular X
2
+ Y
2
.
_
a b
c d
_
de coecientes reales, hallar x e y para que se verique:
A
2
= xA + yI
siendo I la matriz unidad de orden 2, es decir: I =
_
1 0
0 1
_
29. Probar que para cualquier matriz cuadrada A, la matriz A A
es simtrica.
30. Por qu hay que premultiplicar a la matriz
_
1 0
2 1
_
para que resulte
_
5 2
6 3
_
,
_
1 2
3
_
, determinar todas las matrices B de dimensin 2 2 tales
que A B =
_
0 0
0 0
_
, obteniendo el valor de para que exista solucin.
32. Sea A una matriz cuadrada idempotente (A
2
= A). Demostrar que si B = 2A I, es
B
2
= I.
33. Dada la matriz:
M =
_
_
_
0 z y
z 0 x
y x 0
_
_
_
en la que se verica x
2
+y
2
+z
2
= 1, calcular M
2
, P = M
2
+I, PM y comprobar que P
es idempotente.
34. Obtener todas las matrices cuadradas de segundo orden A tales que A
2
= I.
35. Calcular las potencias sucesivas de la matriz:
A =
_
_
_
1 1 1
1 1 1
1 1 1
_
_
_
36. Hallar el rango de las siguientes matrices:
_
_
_
4 6 8 0
1 2 3 0
3 4 5 0
_
_
_
;
_
_
_
3 4 4 0
1 3 2 2
2 1 2 2
_
_
_
;
_
_
_
1 2 3 t
2 4 6 8
3 6 9 12
_
_
_
segn t
37. Discutir el rango de la matriz:
_
_
_
_
_
_
1 1 1 2
a 1 1 1
1 1 3 3
4 2 0 a
_
_
_
_
_
_
segn los valores de a.
38. Calcular el rango de la matriz:
A =
_
_
_
t 0 t 0
4 6 8 2
2 3 4 1
_
_
_
segn los valores de t.
39. Una matriz cuadrada M es ortogonal si cumple M
M = I donde I es la matriz identidad

y M
es la traspuesta de M. Determinar si la siguiente matriz es ortogonal:

A =
_
_
_
1 1 0
1 1 1
1 0 1
_
_
_
40. Hallar el rango de la matriz:
_
_
_
5 5 5
a b c
b + c a + c a + b
_
_
_
segn los valores de a, b, c.
41. Resolver la ecuacin matricial:
_
1 1
3 2
_
_
x
y
_
=
_
1 x
y 1
_
_
3
2
_
42. Calcular el rango de la matriz:
_
_
_
_
_
_
2 1 5 1 8
1 2 3 4 5
3 1 4 5 1
1 3 10 13 11
_
_
_
_
_
_
43. Sean:
A =
_
1 1
1 1
_
; B =
_
_
_
1 1 1
0 1 1
0 0 1
_
_
_
Calcular A
n
y B
n
por induccin respecto a n.
44. Es posible que para dos matrices A y B no cuadradas, puedan existir A B y B A?.
45. Hallar todas las matrices simtricas de orden 2 tales que A
2
= A.
46. Siendo A =
_
1 1
0 1
_
, hallar todas las matrices B de segundo orden tales que AB = BA
47. Hallar el rango de las matrices:
_
_
_
_
_
_
1 2 0 1
3 0 1 2
1 2 3 0
6 0 1 5
_
_
_
_
_
_
;
_
_
_
_
_
_
_
_
1 6 11 16
2 7 12 17
3 8 13 18
4 9 14 19
5 10 15 20
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 1 2 3
0 2 1 4
3 1 4 1
1 1 0 2
_
_
_
_
_
_
;
_
_
_
2 1 1
2 3 1
4 2 a
_
_
_
segn los valores de a
48. Si A y B son dos matrices cuadradas del mismo orden, es cierta en general la relacin
(A + B)
2
= A
2
+ 2AB + B
2
?. Justicar la respuesta.
49. Sean A y B dos matrices cuadradas del mismo orden que tienen inversa. Razonar si el
producto A B tambin tiene inversa.
50. Consideramos la matriz
A =
_
_
_
0 3 4
1 4 5
1 3 4
_
_
_
a) Siendo I la matriz identidad 3 3 y O la matriz nula 3 3, probar que A
3
+I = O.
b) Calcular A
10
.
51. Calcular:

0 1 1 1
1 0 1 1
1 1 0 1
1 1 1 0
1 2 3 6
2 3 5 10
3 7 2 12
4 5 6 15
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
52. Calcular:

a a a
a a x
a a x
53. Calcular:

0 0 1 1
3 3 1 2
3 1 1 3
3 1 1 4
14 0 0 0
13 7 9 8
17 5 6 4
3 11 0 0
a b 0 0
0 a b 0
0 0 a b
b 0 0 a
54. Calcular y simplicar al mximo:
a b c 2a 2a
2b b c a 2b
2c 2c c a b
x 1 x
2
1 x
3
1
2x 4 x
2
4 x
3
8
3x 9 x
2
9 x
3
27
55. Calcular:

a a a a
a b b b
a b c c
a b c d
56. Los nmeros 1573, 3263, 5369 y 2613 son divisibles por 13. Demostrar que tambin lo es
el determinante:

1 5 7 3
3 2 6 3
5 3 6 9
2 6 1 3

57. Resolver las siguientes ecuaciones:
15 + 2x 11 x
11 + 3x 17 2x
7 + x 14 3x
= 0 ;
1 2 2
x 3 1
x
2
1 3
= 0
a x x 1
a + x
x
2
3
x
x
3
0
= 0 ;
a + x x x
x b + x x
x x c + x
= 0
58. Dada la ecuacin:
1 1 1
1 x 1
1 1 x
2
= 0
se pide:
a) Teniendo en cuenta las propiedades de los determinantes, hallar una solucin de la
ecuacin dada sin desarrollar el determinante del primer miembro.
b) Hallar las restantes soluciones de dicha ecuacin.
59. Demostrar las dos igualdades que siguen:
1 1 1 1
1 a + 1 1 1
1 1 b + 1 1
1 1 1 c + 1
= abc ;
a + 1 a a a
a a + 1 a a
a a a + 1 a
a a a a + 1
= 4a + 1
60. Calcular por transformaciones elementales (sin emplear la regla de Sarrus) y justicando
los pasos, el determinante:
1 b c + a
1 a b + c
1 c a + b

A =
_
_
_
1 3 1
1 0 2
3 1 2
_
_
_
; B =
_
_
_
0 1 3
1 2 1
3 1 2
_
_
_
Comprobar que |A B| = |A| |B|.
62. Sabiendo que
a b c
d e f
g h i
= 2
calcular los siguientes determinantes y enunciar las propiedades que se utilicen:
3a 3b 15c
d e 5f
g h 5i
a + 2b c b
d + 2e f e
g + 2h i h
63. Hallar las matrices inversas de:

A =
_
3 1
8 3
_
; B =
_
_
_
2 1 2
0 3 1
4 2 1
_
_
_
; C =
_
_
_
1 1 2
2 0 1
6 1 0
_
_
_
64. Vericar que todas las matrices A =
_
a b
c d
_
tales que a + d = 1 y |A| = 1, cumplen
A
3
= I. Hay alguna otra matriz que tenga esta propiedad?.
_
2 3
2 1
_
, se llaman valores propios de dicha matriz a los valores de
, tales que el determinante de la matriz A I sea nulo. Hallar los valores propios de
A. (I representa la matriz identidad o unidad).
66. Hallar la inversa de la matriz:
_
_
_
3 2 3
4 1 1
2 0 1
_
_
_
67. Resolver la ecuacin A X = B, siendo:
A =
_
2 3
1 2
_
; B =
_
3 1
2 5
_
68. Hallar una matriz X tal que:
_
_
_
0 1 2
1 1 3
4 1 5
_
_
_
X =
_
_
_
1 0 2 0
1 3 1 0
5 1 4 0
_
_
_
69. Dada la matriz:
A =
_
_
_
1 1 0
0 1 1
1 0 1
_
_
_
Estudiar si tiene inversa y en caso armativo, calcularla.
70. Dada la matriz:
A =
_
1 1
0 1
_
Demostrar que la inversa de A
n
es
_
1 n
0 1
_
.
71. Hallar los valores de x para los cuales, la matriz:
A =
_
|x| 1
|x 2| 2
_
no tiene inversa.
72. Resolver la ecuacin matricial A X B = C, siendo:
A =
_
1 0
0 1
_
; B =
_
2 5
1 3
_
; C =
_
1 0
0 1
_
73. Resolver la ecuacin matricial M X + N = P, siendo:
M =
_
1 0
0 1
_
; N =
_
1 2
3 4
_
; P =
_
4 3
2 1
_
74. Calcular la matriz X en la ecuacin A
3
X = B, siendo:
A =
_
a b
c d
_
; a + d = 1 ; |A| = 1 ; B =
_
1 2
0 3
_
75. Encontrar una matriz X que verique A X + B = C, siendo:
A =
_
_
_
1 0 0
1 2 0
1 2 4
_
_
_
; B =
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
; C =
_
_
_
3 0 0
2 5 2
0 1 3
_
_
_
76. Resolver la ecuacin matricial:
_
_
_
5 2 0
0 0 1
3 1 0
_
_
_
X =
_
_
_
0 1 1
1 0 0
1 1 0
_
_
_
77. Hallar los valores de para los que la matriz:
A =
_
_
_
1 1
2 1
3 1 1
_
_
_
tiene inversa. Calcular su inversa cuando = 1.
78. Hallar el rango de la matriz A segn los diferentes valores de t R, siendo:
A =
_
_
_
t t 0
2 t + 1 t 1
2t 1 0 t + 3
_
_
_
Para qu valores de t existe A
1
?.
79. Sea la matriz:
A =
_
_
_
x 2 0 2
0 x 2 0
0 0 x
_
_
_
a) Hallar los valores de x para los que A tiene inversa.
b) Hallar la matriz Y cuadrada de orden 3 que es solucin de la ecuacin matricial
A Y + B = I, siendo A la matriz anterior para x = 3, I es la matriz identidad de
orden 3 y B es la matriz:
B =
_
_
_
1 0 1
2 0 0
3 1 0
_
_
_
A =
_
_
_
0 1 2
1 0 2
1 1 3
_
_
_
; I =
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
Determinar si es posible un valor de para el cual la matriz (AI)
2
sea la matriz nula.
81. Discutir, en funcin del valor de a el rango de la matriz:
A =
_
_
_
a 1 0
0 1 3
a 1 1
_
_
_
Para a = 2, >tiene A matriz inversa?. En caso armativo, calcularla.
82. Dadas las matrices
C =
_
1 0 2
0 1 1
_
, D =
_
_
_
1 0
1 1
1 1
_
_
_
determinar si C D tiene inversa, y en ese caso, hallarla.
83. La matriz cuadrada X de orden 3 verica la relacin:
X
3
+ X =
_
_
_
2 4 7
0 2 4
0 0 2
_
_
_
a) Determinar, si es posible, el rango de X.
b) Verica alguna de las matrices A y B siguientes la relacin del enunciado?
A =
_
_
_
1 1 1
0 0 1
0 0 1
_
_
_
, B =
_
_
_
1 1 1
0 1 1
0 0 1
_
_
_
84. Se dice que una matriz cuadrada A de orden n es ortogonal si su inversa A
1
y su
traspuesta A
t
coinciden. Dado un nmero real x, sea B la matriz
B =
_
_
_
cos x sen x 0
sen x cos x 0
0 0 1
_
_
_
a) Es ortogonal la matriz B?.
b) Es B
2
ortogonal?.
85. Considerar las matrices:
A =
_
_
_
1 1 0
1 0 1
1 1 1
_
_
_
, B =
_
_
_
1 1 1
0 1 1
0 0 0
_
_
_
a) Determinar si A y B son invertibles y, en su caso, calcula la matriz inversa.
b) Resolver la ecuacin matricial BA A
2
= AB X.
86. El determinante
2 a 5
4 a
2
13
8 a
3
35
vale cero para a = 3. Comprobar esta armacin sin desarrollarlo e indicando las propie-
dades de los determinantes que se apliquen. Determinar todos los valores de a para los
que las tres columnas del determinante anterior representan vectores linealmente depen-
dientes. Justicar la respuesta.
87. Sea C la matriz, que depende de un parmetro m, dada por
C =
_
_
_
2 1 m
1 0 1
2 1 1
_
_
_
a) Para qu valores del parmetro m no tiene inversa la matriz C?.
b) Calcular la matriz inversa de C para m = 2.
88. Consideremos las matrices
A =
_
3 2
4 3
_
, X =
_
x
y
_
, U =
_
7
9
_
a) Hallar los valores de x e y tales que AX = U.
b) Calcular la matriz A
1
y determinar A
1
U.
c) Encontrar los posibles valores de m para los que los vectores
A
_
1
m
_
y
_
1
m
_
son linealmente dependientes.
89. Resolver la ecuacin matricial A
2
X = 2B, siendo
A =
_
1 1
2 3
_
y B =
_
1 1 4
0 3 1
_
,
90. De las matrices
A =
_
1 2
3 4
_
, B =
_
1 2 3
4 5 6
_
, C =
_
1 1
3 3
_
, D =
_
_
_
1 2 3
0 1 2
0 0 1
_
_
_
determina cules tienen inversa y en los casos que exista, calcula el determinante de dichas
inversas.
91. Se sabe que la matriz A =
_
_
_
a 0 a
0 1 0
b 0 b
_
_
_
verica que det(A) = 1 y sus columnas son
vectores perpendiculares dos a dos.
a) Calcular los valores de a y b.
b) Comprobar que para dichos valores se verica que A
1
= A
t
, donde A
t
denota la
matriz traspuesta de A.
92. Determinar la matriz X tal que AX 3B = 0, siendo
A =
_
_
_
1 0 1
2 3 7
0 1 2
_
_
_
y B =
_
_
_
1 2
1 0
2 1
_
_
_
93. Consideremos la matriz A =
_
_
_
1 0 2
1 1 1
1 1 0
_
_
_
a) Calcular el determinante de las matrices 2A, A
31
y (A
31
)
1
.
b) Hallar la matriz A
1
.
94. Consideremos la matriz A =
_
_
_
1 1
1
0 1
_
_
_
a) Determinar para qu valores del parmetro la matriz A no tiene inversa.
b) Calcular, si es posible, la matriz inversa de A para = 2.
95. Considerar la matriz
A =
_
_
_
1 2 1
1 0
0 1
_
_
_
a) Hallar los valores de para los que la matriz A no tiene inversa.
b) Tomando = 1, resolver el sistema escrito en forma matricial
A
_
_
_
x
y
z
_
_
_
=
_
_
_
0
0
0
_
_
_
96. Dada la matriz
A =
_
1 2
3 4
_
calcular (A
t
A
1
)
2
A.
97. Se considera la matriz
A =
_
_
_
1 0 1
0 b 3
4 1 b
_
_
_
a) Determinar para qu valores del parmetro b existe A
1
.
b) Calcular A
1
para b = 2.
98. Sea
A =
_
_
_
sen x cos x 0
cos x sen x 0
sen x + cos x sen x cos x 1
_
_
_
Para qu valores de x existe la matriz inversa de A?. Calcular dicha matriz inversa.
99. Determinar la matriz X que verica la ecuacin AX = X B siendo
A =
_
_
_
0 0 1
0 0 0
1 0 0
_
_
_
y B =
_
_
_
1 0 1
0 1 1
0 1 1
_
_
_
100. Sean C
1
, C
2
y C
3
las columnas primera, segunda y tercera, respectivamente, de una matriz
cuadrada A de orden 3 cuyo determinante vale 5. Calcular, indicando las propiedades
utilizadas:
a) El determinante de A
3
.
b) El determinante de A
1
.
c) El determinante de 2A.
d) El determinante de una matriz cuadrada cuyas columnas primera, segunda y tercera
son, respectivamente, 3C
1
C
3
, 2C
3
y C
2
.
101. Considerar las matrices
A =
_
_
_
1 0 0
1 m 0
1 1 1
_
_
_
, B =
_
_
_
0 1 1
1 0 0
0 0 0
_
_
_
y C =
_
_
_
1 0 0
0 1 0
1 0 1
_
_
_
a) Para qu valores de m tiene solucin la ecuacin matricial A X + 2B = 3C?.
b) Resuelve la ecuacin matricial dada para m = 1.
102. Considerar las matrices
A =
_
1 0 1
0 1 2
_
, B =
_
_
_
1 0
0 1
0 0
_
_
_
y C =
_
_
_
1 0
0 2
1 0
_
_
_
a) Calcular A B, A C, A
t
B
t
, C
t
A
t
siendo A
t
, B
t
y C
t
las matrices traspuestas de
A, B y C respectivamente.
b) Razonar cules de las matrices A, B, C y A B tienen inversa y en los casos en que
la respuesta sea armativa, hallarla.
103. Sean las matrices
A =
_
2 1
3 2
_
, B =
_
0 1 0
3 1 2
_
, C =
_
1 2 0
1 1 4
_
a) Tiene A inversa?. En caso armativo, calcularla.
b) Determinar la matriz X que cumple que A X +C B
t
= B B
t
, siendo B
t
la matriz
transpuesta de B.
104. Sabiendo que:
|A| =
a b c
d e f
g h i
= 2
calcular, indicando las propiedades que utilices, los siguientes determinantes:
a) | 3A| y |A
1
|.
b)
c b a
f e d
2i 2h 2g
.
c)
a b a c
d e d f
g h g i
.
105. Consideremos la matriz:
A =
_
a 1
0 a
_
siendo a un nmero real.
a) Calcular el valor de a para que
A
2
A =
_
12 1
0 20
_
b) Calcular, en funcin de a, los determinantes de las matrices 2A, A
t
, siendo A
t
la
traspuesta de A.
c) Existe algn valor de a para el cual la matriz A es simtrica?. Razona la respuesta.
106. Resolver AB
t
X = 2C siendo B
t
la traspuesta de la matriz B y
A =
_
1 0 3
2 1 0
_
, B =
_
1 3 0
0 2 2
_
, C =
_
1 4
0 1
_
107. Consideremos la matriz:
A =
_
1 1
1
_
a) Determinar la matriz B = A
2
2A.
b) Determinar los valores de para los que la matriz B tiene inversa.
c) Calcular B
1
para = 1.
108. Sea I la matriz identidad de orden 2, y sea:
A =
_
1 m
1 1
_
a) Encontrar los valores de m para los cuales se cumple que (AI)
2
= O, donde O es
la matriz nula de orden 2.
b) Para m = 2, hallar la matriz X tal que AX 2A
t
= 0, donde A
t
denota la matriz
traspuesta de A.
109. Sean F
1
, F
2
y F
3
las las primera, segunda y tercera, respectivamente, de una matriz B
de orden 3, cuyo determinante vale 2. Calcular, indicando las propiedades utilizadas:
a) El determinante de B
1
.
b) El determinante de (B
t
)
4
(B
t
es la matriz traspuesta de B).
c) El determinante de 2B.
d) El determinante de una matriz cuadrada C cuyas las primera, segunda y tercera
son, respectivamente, 5F
1
F
3
, 3F
3
, F
2
.
110. Sean las matrices
A =
_
_
_
1 2 1
2 1 1
1 0 1
_
_
_
, B =
_
3 1 0
1 2 1
_
, C =
_
_
_
2 1
1 2
0 3
_
_
_
Determinar la matriz X que verica AX B
t
= 2C (B
t
es la matriz traspuesta de B).
111. Sean las matrices:
A =
_
_
_
1 0 1
0 m 3
4 1 m
_
_
_
, B =
_
_
_
1 0
3 2
1 1
_
_
_
, C =
_
5 3 4
3 2 2
_
a) Indicar los valores de m para los que A es invertible.
b) Resolver la ecuacin matricial XAB
t
= C para m = 0 (B
t
es la matriz traspuesta
de B).
Captulo 2
Sistemas de ecuaciones lineales
2.1. Introduccin a los sistemas de ecuaciones lineales
Al principio del captulo anterior indicbamos que un Sistema de Ecuaciones Lineales era un
conjunto de ecuaciones de grado uno que comparten las mismas incgnitas. Resolver ese sistema
por tanto consiste en encontrar una serie de valores que al ser sustituidos por las incgnitas del
sistema hace ciertas todas las igualdades.
lo primero que necesitamos para trabajar con cierta generalidad es una notacin adecuada.
De este modo, las incgnitas las escribiremos utilizando las ltimas letras del alfabeto: x, y, z,
. . . y los datos o coecientes del sistema de ecuaciones los escribiremos utilizando las primeras
letras del alfabeto: a, b, c, . . . . Ahora bien, como la teora que vamos a estudiar es vlida
para cualquier nmero de ecuaciones e incgnitas, utilizaremos preferentemente la siguiente
forma de escribir: las incgnitas las escribiremos con la letra x y un subndice numrico, esto
es: x
1
, x
2
; x
3
, . . . ; y los datos o coecientes los indicaremos con dos subndices, el primero de
ellos indicar el nmero de ecuacin y el segundo la incgnita a la que esta asociado, de este
modo a
36
indicar que es el coeciente de la 3
a
ecuacin y 6
a
incgnita; los datos o coecientes
que no estn asociados a ninguna incgnita, lo conocidos como trminos independientes, los
escribiremos con la letra b y un subndice que indica la ecuacin a la que pertence, as b
1
es el
trmino independiente de la primera ecuacin, b
2
es el trmino independiente de la 2
a
ecuacin,
etc. De forma general escribimos un sistema de m ecuaciones y n incgnitas del siguiente modo
_
_
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
,
donde los subndices i toman valores desde i = 1 hasta i = m (i = 1, . . . , m), los j toman
valores desde j = 1 hasta j = n, (j = 1, . . . , n), los nmeros supuestamente conocidos a
ij
son
los datos que supondremos conocidos, los conocidos como coecientes del sistema, al igual
que los nmeros b
i
que son los trminos independientes.
55
El problema consiste entonces en hallar los nmeros supuestamente desconocidos, las incg-
nitas, nmeros x
i
, tales que se satisfagan las m ecuaciones simultneamente. Nos referiremos a
un sistema de este tamao como a un sistema mn, donde m hace referencia a la cantidad
de ecuaciones, y n a la de incgnitas.
El problema de hallar los valores x
i
de las n incgnitas puede considerarse como el problema
de hallar un lista de valores X = (x
1
, x
2
, . . . , x
n
) compuesta por n nmeros. Aunque en una
primera consideracin no parece haber una gran ventaja en este enfoque, ms all de pensar
en un slo objeto en vez de en n, pero si tenemos en cuenta que estas listas de nmeros pueden
ser vistas como vectores, matrices o tensores, es decir elementos de una estructura algebraica o
geomtrica ms compleja, que nos permite ver la gran utilidad y aplicabilidad que la resolucin
de ecuaciones puede llegar a tener.
De forma general decimos que una solucin del sistema es una lista de n nmeros
(
1
,
2
, . . . ,
n
) tales que si se sustituyen x
1
por
1
, x
2
por
2
y as sucesivamente hasta x
n
por
n
se verican simultneamente las m ecuaciones, esto es:
_
_
a
11
1
+a
12
2
+. . . +a
1n
n
= b
1
,
a
21
1
+a
22
2
+. . . +a
2n
n
= b
2
,
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
1
+a
m2
2
+. . . +a
mn
n
= b
m
,
Veamos un ejemplo. El sistema
_
x
1
+ x
2
= 1,
x
1
x
2
= 1,
tiene como solucin (x
1
, x
2
) = (1, 0) ya
que
_
1 + 0 = 1,
1 0 = 1,
.
Pero el sistema
_
x
1
+ x
2
= 1,
2x
1
+ 2x
2
= 2,
admite muchas soluciones, por ejemplo (1, 0), (2, 1)
y en general cualquier pareja cuya suma sea 1, ya que todas ellas satisfacen ambas ecuaciones.
Y sin embargo el sistema
_
x
1
+ x
2
= 1,
2x
1
+ 2x
2
= 5,
no admite ninguna solucin puesto que es
imposible que la suma de dos nmeros sea 1 y la de sus dobles sea 5.
De estos deducimos que un sistema lineal de ecuaciones puede tener una nica solucin, un
nmero innito de soluciones o ninguna. Nuestra tarea al estudiarlos ser encontrar y describir
la solucin de estos sistemas en el siguiente sentido. Dado un sistema de ecuaciones llamaremos
solucin del sistema al conjunto de todas aquellas listas que sean solucin particular del
mismo. Por lo tanto, resolver un sistema es determinar su el conjunto de soluciones.
2.2. Clasicacin de sistemas de ecuaciones lineales
La clasicacin de los sistemas de ecuaciones lineales se realiza teniendo en cuenta dos
criterios principales: la distribucin de incgnitas y la solucin del sistema.
Respecto a la distribucin de incgnitas consideramos un tipo especial de sistemas de ecua-
ciones lineales: los sistemas escalonados.
_
Sistema de ecuaciones lineales

escalonado
Un sistema de ecuaciones lineales se dice que es escalo-
nado si cada ecuacin tiene las mismas incgnitas ex-
cepto un que la ecuacin anterior.
De este modo el sistema de ecuaciones siguiente es escalonado:
_
_
3x +2y +5z 2t = 6
x 3z +3t = 5
4x +5t = 8
3t = 99
ya que en la segunda ecuacin estn las incgnitas x, z y t que son las mismas que las de la 1
a
ecuacin excepto la y; en la 3
a
ecuacin estn las incgnitas x y t que son las mismas que en
la 2
a
ecuacin excepto la z; y en la 4
a
ecuacin est la incgnita t son las mismas que las de 3
a
excepto la x.
Lo mismo ocurre en el sistema
_
_
x 3y +4z 3t = 678
y 9z +12t = 15
2y +5t = 85
aunque este no tenga igual nmero de ecuaciones que de incgnitas. Sin embargo el sistema
siguiente no es escalonado:
_
_
3x +2y +5z 2t = 6
x 3z +3t = 5
4y +5t = 8
3x = 99
ya que aunque el nmero de incgnitas disminuye en una unidad en cada nueva ecuacin, la 1
a
tiene 4 incgnitas, la 2
a
tiene 3, la 3
a
tiene 2 y la4
a
tiene 1, las incgnitas de la 3
a
ecuacin
no estn entre las incgnitas de la 2
a
puesto que la 3
a
tiene la y que la 2
a
no tena, y lo mismo
ocurre entre las 3
a
y 4
a
ecuaciones.
Los sistemas de ecuaciones escalonados, cuando tienen el mismo nmeros de ecuaciones
que incgnitas, tienen la ventaja de que se pueden resolver de forma muy sencilla. Se despeja
la incgnita de la ltima ecuacin, en ejemplo t =
99
3
= 33, y se sustituye en la penltima
ecuacin, en el ejemplo 4x + 5 33 = 8, permitiendo despejar la nica incgnita que queda,
x =
8165
4
=
157
4
, as sucesivamente de forma escalonada hacia arriba se pueden obtener la
solucin, es decir, el valor de todas las incgnitas, en el ejemplo (x, y, z, t) = (
157
4
,
1607
12
,
533
12
, 33).
De forma terica escribiremos los sistemas de ecuaciones escalonados de la forma siguiente:
_
_
a
11
x
1
+a
12
x
2
+a
13
x
3
+. . . +a
1n
x
n
= b
1
,
a
22
x
2
+a
23
x
3
+. . . +a
2n
x
n
= b
2
,
a
33
x
3
+. . . +a
2n
x
n
= b
3
,
.
.
.
.
.
.
.
.
.
a
mn
x
n
= b
m
,
Otra forma de clasicar los sistemas de ecuaciones es por sus soluciones, en primer lugar
consideremos el nmero de soluciones. Hemos visto sistemas que tiene un nica solucin, un
nmero innito de soluciones o ninguna solucin. Ahora bien, es posible que haya un sistema de
ecuaciones con slo dos soluciones. La respuesta es NO. La razn es bien sencilla, si un sistema de
ecuaciones cualquiera tiene como soluciones la matriz A = (a
1
, a
2
, . . . , a
n
) y B = (b
1
, b
2
, . . . , b
n
),
no es difcil demostrar que entonces para cualquier nmero real , la matriz C = A+(AB)
tambin es una solucin del sistema. Por lo que si hay dos podemos obtener innitas.
De este modo clasicamos los sistemas de ecuaciones del siguiente modo:
_
Clasificacin de los Sistemas de ecuaciones

lineales
Compatibles aquellos sistemas que tienen alguna solucin. Se
dividen en:
Determinados: aquellos que tienen una nica solucin.
Indeterminados: aquellos que tienen innitas soluciones.
Incompatibles: aquellos que no tienen solucin.
Finalmente, hay que sealar un tipo especial de sistemas de ecuaciones, aquel en el que los
trminos independientes son todos cero, un sistema del tipo:
_
_
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,
Este tipo de sistemas tiene la caracterstica especial de que admite siempre al menos una
solucin, la que se conoce como solucin trivial, aquella en la que todas las incgnitas son iguales
a cero (x
i
= 0). Por lo tanto este tipo de sistema es siempre compatible. Si es determinado, su
nica solucin es la trivial; si es indeterminado tendr innitas soluciones entre las que est la
solucin trivial. Este tipo de sistemas recibe el nombre de sistema homogneo.
2.3. Expresin matricial de los sistemas de ecuaciones li-
neales
Si observamos con atencin un sistema de ecuaciones lineales cualquiera
_
_
5x 3y +2z t = 9
x +2y z +4t = 0
5x 4y +z 3t = 5
x y +z t = 2
podemos ver que se puede escribir utilizando matrices del siguiente modo
_
_
_
_
_
_
5 3 2 1
1 2 1 4
5 4 1 3
1 1 1 1
_
_
_
_
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
_
_
=
_
_
_
_
_
_
9
0
5
2
_
_
_
_
_
_
Esta modo de proceder se puede extender a cualquier tipo de sistema de ecuaciones lineales,
de este modo el sistema genrico
_
_
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 puede escribir de forma matricial
_
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
m
_
_
_
_
_
_
=
_
_
_
_
_
_
b
1
b
2
.
.
.
b
m
_
_
_
_
_
_
Una de las primeras ventajas que encontramos con este procedimiento reside en considerar
que en una matriz como la del ejemplo, como se verica que su determinante es distinto de
cero, se puede escribir el sistema del siguiente modo
_
_
_
_
_
_
x
y
z
t
_
_
_
_
_
_
=
_
_
_
_
_
_
5 3 2 1
1 2 1 4
5 4 1 3
1 1 1 1
_
_
_
_
_
_
1
_
_
_
_
_
_
9
0
5
2
_
_
_
_
_
_
y calculando la inversa se tiene que
_
_
_
_
_
_
5 3 2 1
1 2 1 4
5 4 1 3
1 1 1 1
_
_
_
_
_
_
1
=
1
25
_
_
_
_
_
_
7 5 4 15
18 20 21 35
19 10 18 5
6 15 7 20
_
_
_
_
_
_
de donde se tiene que
_
_
_
_
_
_
x
y
z
t
_
_
_
_
_
_
=
1
25
_
_
_
_
_
_
7 5 4 15
18 20 21 35
19 10 18 5
6 15 7 20
_
_
_
_
_
_
_
_
_
_
_
_
9
0
5
2
_
_
_
_
_
_
=
_
_
_
_
_
_
53
25
197
25
251
25
49
25
_
_
_
_
_
_
La introduccin de las matrices esta motivada por el deseo de almacenar en un nico objeto,
una matriz, toda la informacin relevante acerca de un sistema de ecuaciones lineales. Veamos
cmo nos ayudan en esta tarea. Dado un sistema lineal de ecuaciones
_
_
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
,
llamaremos matriz del sistema a la matriz A que tiene dimensin m n, donde m es el
nmero de ecuaciones y n el nmero de incgnitas del sistema, y que est formada por sus
coecientes.
Esto es:
A =
_
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
_
.
Llamaremos, matriz ampliada del sistema a la matriz formada por la matriz del sistema
y la columna de trminos independientes, es decir una matriz de orden m(n + 1)
_
_
_
_
_
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
b
m
_
_
_
_
_
_
.
Usualmente escribiremos esta matriz en la forma
_
_
_
_
_
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
b
m
_
_
_
_
_
_
,
para recordar que estamos considerando la matriz ampliada de un sistema, cuya ltima columna
tiene un signicado diferente a las anteriores. Tambin las representaremos en la forma breve
A|B.
Naturalmente, toda la informacin que necesitamos sobre el sistema lineal est encerrada
en la matriz ampliada A|B. Veremos ms adelante que, en realidad, mucha de la informacin
relevante acerca del sistema slo depende de la matriz A formada por sus coecientes.
Esta notacin ms compacta (matricial) para un sistema de ecuaciones nos libera de escribir
una y otra vez los nombres que hemos escogido para las incgnitas. Veamos un ejemplo:
Consideremos el sistema
_
_
x + y + 2z = 9,
3x + 6y 5z = 0,
2x + 4y 3z = 1.
Entonces la matriz del sistema y la matriz ampliada son:
A =
_
_
_
1 1 2
3 6 5
2 4 3
_
_
_
, A|B =
_
_
_
1 1 2 9
3 6 5 0
2 4 3 1
_
_
_
.
2.4. El mtodo de eliminacin de Gauss
El objetivo de esta seccin es presentar un mtodo sistemtico para la resolucin de sistemas
lineales de cualquier tamao. La idea del mtodo es muy simple: ir reduciendo en cada paso el
problema a un problema que tiene una ecuacin menos y una incgnita menos hasta llegar a
un sistema escalonado. Este mtodo es conocido como mtodo de eliminacin Gaussiana
o de Gauss. El nombre alude a que en cada paso vamos eliminando una o ms incgnitas, y
son un reconocimiento a quien utiliz el mtodo para resolver grandes sistemas de ecuaciones
con muchas incgnitas. La idea de este mtodo es transformar, por medio de la eliminacin
inteligente de incgnitas, el problema original en un problema de sencilla solucin. En nuestro
prximo ejemplo mostramos uno de estos sistemas lineales de fcil solucin, del tipo de los que
intenta conseguir el mtodo expuesto por Gauss.
Ejemplo: Busquemos tres nmeros reales x, y y z que satisfagan
_
_
x + y + 2z = 8,
2y + z = 8
z = 2.
ste es un sistema 33 muy fcil de resolver. De la ltima ecuacin se despeja z = 2. Con este
valor de z sustituimos en la segunda ecuacin y tenemos
2y + 2 = 8 2y = 6 y = 3.
Finalmente con los valores de y y z hallados subimos a la primera ecuacin y sustituyendo se
tiene que
x + 3 + 2 2 = 8 x = 1.
En consecuencia, el sistema es compatible y determinado, es decir, tiene una nica solucin,
que es
x = 1, y = 3, z = 2.
Podemos escribir esta solucin como la lista de tres nmeros reales (1, 3, 2). El conjunto de
soluciones del sistema es{(1, 3, 2)}.
El procedimiento de despejar una incgnita en una ecuacin y sustituirla en otra de arriba
se denomina sustitucin hacia arriba, y es posible por la forma particular de este sistema.
Mostraremos ahora con un ejemplo como el mtodo de eliminacin gaussiana permite trans-
formar el problema de calcular las soluciones de un sistema lineal en el problema de resolver
un sistema lineal escalonado.
Ejemplo: Busquemos las soluciones del sistema
_
_
x + y + 2z = 8,
x + 2y + z = 0,
2x + y + z = 4.
Veamos paso a paso la resolucin del sistema
Paso 1. Comenzamos por conseguir eliminar la variable x de todas las ecuaciones menos
una, usando el siguiente procedimiento: para eliminar la x en la segunda ecuacin le restamos
la primera; como x aparece en la tercera ecuacin con un factor 2 multiplicamos la primera
ecuacin por 2, y luego la restamos de la tercera. Obtenemos
_
_
x + y + 2z = 8,
y z = 8,
y 3z = 12.
El resultado del Paso 1 es que x no aparece en la segunda ni en la tercera ecuacin. Si
miramos esas dos ecuaciones aisladamente nuestro problema se reduce a un sistema 2 2,
con incgnitas y y z. Una vez resuelto este problema, ms pequeo que el original, podremos
calcular x usando la primera ecuacin. De esta manera el algoritmo de eliminacin va reduciendo
el tamao del problema.
Paso 2. Haremos desaparecer la variable y de la tercera ecuacin. Simplemente sumamos
la segunda ecuacin a la tercera, y nuestro sistema se transforma en
_
_
x + y + 2z = 8,
y z = 8,
4z = 20.
Nuestro sistema ya alcanz la forma escalonada que lo vuelve de fcil resolucin, por lo que
detenemos aqu nuestro algoritmo.
Paso 3. Resolvemos este ltimo sistema. De la tercera ecuacin concluimos z = 5. Sus-
tituyendo hacia arriba y despejando de la segunda ecuacin obtenemos y = 3. Finalmente,
usamos los valores de hallados en la primera ecuacin, para concluir que x = 1.
ltimo paso. Verificacin. Parece que hemos resuelto el problema. Pero, qu nos
garantiza que las soluciones halladas son las soluciones del problema original? Podemos vericar
que es as, sustituyendo los valores x = 1, y = 3 y z = 5 en el sistema
_
_
1 1 + 1 (3) + 2 5 = 8,
1 1 + 2 (3) + 1 5 = 0,
2 1 + 1 (3) + 1 5 = 4.
Vemos que, efectivamente, nuestra presunta solucin es realmente la solucin del sistema.
De forma ms general, cuando estemos trabajando con el sistema general:
_
_
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
n
,
restaramos a la i-sima ecuacin, para i = 2, 3, . . . , el resultado de multiplicar la primera
ecuacin por el cociente
a
i1
a
11
, es decir, dividir el coeciente a
i1
que aparece multiplicando a x
1
en la ecuacin i por el coeciente a
11
que x
1
tiene en la primera ecuacin.
En el caso de que x
1
no apareciera en la primera ecuacin signica que a
11
es cero y no
podemos hacer este clculo. En este caso cambiaremos el orden de las ecuaciones, y pondramos
en primer lugar una ecuacin en que la variable x
1
aparezca.
Las transformaciones que hemos realizado en cada paso del ejemplo consisten en repetir
una y otra vez la misma operacin: sumar a una de las ecuaciones un mltiplo de otra. Mos-
traremos a continuacin que esta operacin no modica el conjunto de soluciones del sistema:
el nuevo sistema que obtenemos es equivalente al original, en el sentido de que ambos tienen
exactamente el mismo conjunto solucin. Naturalmente, luego de aplicar una serie de transfor-
maciones que preservan la equivalencia de sistemas el sistema nal es equivalente al sistema
original: no hemos agregado ni perdido soluciones en todo el proceso.
_
Proposicin
Si en un sistema lineal de ecuaciones se sustituye una ecuacin por
el resultado de sumar a esa misma ecuacin un mltiplo de otra,
entonces el sistema resultante tiene el mismo conjunto solucin que
el sistema original.
Demostracin. Supongamos que el sistema original sea
_
_
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
i1
x
1
+a
i2
x
2
+. . . +a
in
x
n
= b
i
,
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
j1
x
1
+a
j2
x
2
+. . . +a
jn
x
n
= b
j
,
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+a
m2
x
2
+. . . +a
mn
x
n
= b
m
,
y que sumamos a la ecuacin j el resultado de multiplicar ambos miembros de la ecuacin i
por un nmero . Obtenemos un nuevo sistema
_
_
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
i1
x
1
+a
i2
x
2
+. . . +a
in
x
n
= b
i
,
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
j1
x
1
+a
j2
x
2
+. . . +a
jn
x
n
+
(a
i1
x
1
+a
i2
x
2
+. . . +a
in
x
n
) = b
j
+ b
i
,
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+a
m2
x
2
+. . . +a
mn
x
n
= b
m
,
Para probar que ambos son equivalentes deberemos ver que cualquier solucin del primer
sistema es solucin del segundo sistema y viceversa. Veamos el primer caso, que cualquier
solucin del primero es solucin del segundo.
Sea (
1
,
2
, . . . ,
n
) una solucin del primer sistema. Es evidente que (
1
,
2
, . . . ,
n
) satis-
face todas las ecuaciones del segundo sistema salvo, tal vez, la j-sima ecuacin, pues son las
mismas que las del primero. Como (
1
,
2
, . . . ,
n
) debe vericar la i-sima y j-sima ecuacin
del primer sistema se tiene que
a
i1
1
+ a
i2
2
+ + a
in
n
= b
i
y que
a
j1
1
+ a
j2
2
+ + a
jn
n
= b
j
.
Multiplicando ambos miembros de la primera igualdad por y sumando miembro a miembro,
se deduce inmediatamente que
a
j1
1
+ + a
jn
n
+ (a
i1
1
+ + a
in
n
) = b
j
+ b
i
.
Por lo tanto, tambin la j-sima ecuacin del segundo sistema se satisface.
La vericacin de que cualquier solucin del segundo sistema es tambin solucin del primer
sistema emplea esencialmente el mismo argumento. Igual que antes es claro que (
1
,
2
, . . . ,
n
)
debe vericar todas las ecuaciones del primer sistema salvo tal vez la j-sima. Por la j-sima
ecuacin en el segundo sistema sabemos que
a
j1
1
+ + a
jn
n
+ (a
i1
1
+ + a
in
n
) = b
j
+ b
i
,
en tanto que la i-sima implica
a
i1
1
+ a
i2
2
+ + a
in
n
= b
i
.
Multiplicamos esta ambos miembros de esta expresin por , y restamos a la expresin anterior,
para concluir
a
j1
1
+ a
j2
2
+ + a
jn
n
= b
j
.
Esto muestra que (
1
,
2
, . . . ,
n
) es solucin del primer sistema y la prueba esta concluda.
Esta proposicin es el fundamento terico del mtodo de eliminacin gaussiana y nos asegura
que en cada paso hemos respetado la equivalencia entre el sistema de partida y el de llegada.
En el proceso de eliminacin hay veces en que es imprescindible intercambiar ecuaciones.
Junto con la transformacin de sumar a una ecuacin un mltiplo de otra, esto es todo lo
que necesitaremos para el mtodo de eliminacin gaussiana. Adems de estas operaciones re-
curriremos a la de multiplicar una ecuacin por algn nmero distinto de cero. Llamaremos
transformaciones elementales a estas operaciones.
_
Transformaciones Elementales
1. Sumar a una ecuacin un mltiplo de otra;
2. Intercambiar de lugar dos ecuaciones;
3. Multiplicar una ecuacin por un nmero distinto de cero.
Nuestro inters por estas transformaciones proviene de que por medio del mtodo de elimi-
nacin nos permiten transformar cualquier sistema lineal en un sistema escalonado equivalente
de fcil resolucin. ste es el contenido de nuestra siguiente proposicin y su corolario.
_
`
Proposicin
Si a un sistema de ecuaciones le aplicamos una operacin elemental
obtenemos un sistema equivalente al original.
_
Corolario
Si transformamos un sistema de ecuaciones aplicando una secuencia
de transformaciones elementales obtenemos un sistema equivalente
al original.
Notemos que cuando una ecuacin es sustituida por el resultado de sumarle un mltiplo de
otra la informacin contenida en la ecuacin eliminada no desaparece: est implcita en la nueva
ecuacin, porque la ecuacin sustituida entr con un coeciente no nulo en la formacin de esta
nueva ecuacin (en la mayora de los casos este coeciente ser igual a 1). Esta nueva ecuacin,
junto con la que se us en la combinacin lineal, permiten recuperar la ecuacin eliminada.
La notacin matricial simplica la escritura e implementacin del algoritmo de eliminacin
gaussiana. Antes de mostrar con un ejemplo la implementacin del mtodo de Gauss con la
notacin matricial detengmonos en algunas observaciones. Cada la de la matriz del sistema
corresponde a una de las ecuaciones del sistema. Las operaciones del mtodo de Gauss se tradu-
cirn entonces en operaciones sobre las las de la matriz. En particular, las transformaciones
elementales sern, en este contexto, las siguientes:
1. Sumar a una la el resultado de multiplicar otra por un nmero cualquiera.
2. Intercambiar de lugar dos las.
3. Multiplicar una la por un nmero no nulo.
Cada incgnita del sistema queda en correspondencia con una de las columnas de la matriz
A del sistema. Encontrar una entrada a
ij
igual a 0 en la matriz A es equivalente a que la
incgnita x
j
no aparezca en la i-sima ecuacin.
Con la introduccin de las matrices ganamos, para empezar, con la economa en la notacin.
Pero no es todo. Veremos a lo largo de este curso que las matrices pueden ser consideradas desde
varios puntos de vista:
En muchas situaciones son una forma ordenada de escribir la informacin disponible;
Pueden ser consideradas como un arreglo de mn nmeros;
Como un conjunto ordenado de n columnas;
Como un arreglo de m las;
Tambin como un nico objeto, que es adems un elemento de una estructura algebraica.
Finalmente, pueden ser vistas como la denicin de una transformacin de R
n
en R
m
.
Vamos a reescribir los pasos del ejemplo
_
_
_
_
_
_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
b
m
_
_
_
_
_
_
,
en notacin matricial. Esto permite conseguir bastante economa en la notacin. El sistema
original queda expresado en la forma:
_
_
_
1 1 2 8
1 2 1 0
2 1 1 4
_
_
_
.
Cada ecuacin est ahora representada por una la de coecientes en la matriz ampliada del
sistema.
Pero antes de continuar, un poco de jerga matemtica: Llamaremos pivote a la primera
entrada no nula de cada la de una matriz. Con esta terminologa podemos describir la elimi-
nacin de Gauss como un procedimiento que busca, a travs de la aplicacin reiterada de las
transformaciones elementales, dejar un nico pivote por columna. En cada paso de la elimina-
cin gaussiana, una vez escogido un pivote, lo empleamos para eliminar todos los otros pivotes
de la misma columna.
Paso 1. Las operaciones que antes hacamos con las ecuaciones deben hacerse ahora sobre
las de coecientes. Escogemos el pivote 1 en la primera la, y restamos entonces esta primera
la de la segunda para hacer aparecer un cero en el primer lugar de la segunda la (esto es equi-
valente a hacer desaparecer la variable x en la ecuacin correspondiente). Luego multiplicamos
la primera la por 2 y la restamos de la tercera. El resultado es
_
_
_
1 1 2 8
0 1 1 8
0 1 3 12
_
_
_
.
Slo un pivote, el 1 de la primera la, aparece en la primera columna.
Paso 2. Sumamos la segunda la a la tercera y llegamos a la matriz escalonada
_
_
_
1 1 2 8
0 1 1 8
0 0 4 20
_
_
_
.
Observemos que con la representacin matricial hemos aligerado bastante la notacin.
La nueva matriz ampliada es una representacin del sistema de ecuaciones
_
_
x + y + 2z = 8,
y z = 8,
4z = 20,
cuya solucin podemos calcular directamente. La tercera ecuacin implica z = 5. Al sustituir
en la segunda podemos despejar y = 3. Finalmente, la primera implica x 3 + 2 5 = 8,
por lo que x = 1. El procedimiento de escalonar y resolver el sistema escalonado sustituyendo
hacia arriba nos permite hallar el conjunto solucin del sistema original.
Pondremos en prctica la tcnica con un nuevo ejemplo. Resolver el sistema:
_
_
x
1
+ 2x
2
+ x
3
+ x
5
+ x
6
= 1
x
1
2x
2
+ x
3
+ x
4
x
6
= 0
x
1
+ 2x
2
+ x
3
+ 2x
4
+ 5x
5
+ 3x
6
= 1
x
1
+ 2x
2
+ x
3
+ x
5
+ 3x
6
= 3
x
1
+ 2x
2
+ x
3
+ 4x
4
+ 9x
5
+ 3x
6
= 1
La matriz ampliada del sistema es:
_
_
_
_
_
_
_
_
1 2 1 0 1 1 1
1 2 1 1 0 1 0
1 2 1 2 5 3 1
1 2 1 0 1 3 3
1 2 1 4 9 3 1
_
_
_
_
_
_
_
_
.
El proceso comienza jando la entrada no nula de la primera la como pivote y utilizndola
para lograr ceros en el resto de la primera columna. El resultado es la matriz
_
_
_
_
_
_
_
_
1 2 1 0 1 1 1
0 0 2 1 1 0 1
0 0 0 2 4 2 0
0 0 0 0 0 2 2
0 0 0 4 8 2 2
_
_
_
_
_
_
_
_
F
2
+ F
1
F
3
F
1
F
4
F
1
F
5
F
1
.
Hemos anotado al margen de la matriz las transformaciones que en este primer paso del proceso
de escalonado fueron hechas a la matriz ampliada del sistema. Creemos que la notacin empleada
es sucientemente claricadora.
En el ejemplo anterior, se utilizaba la entrada a
22
en el segundo paso para conseguir ceros
en la segunda columna. Aqu esto no es posible pues la segunda columna ya tiene todas sus
entradas, salvo la primera, nulas. En consecuencia, el siguiente paso deber centrarse en la
tercera columna, donde aparece la entrada no nula a
23
. Por debajo de a
23
slo hay ceros, as
que continuamos nuestro algoritmo usando el pivote 2 de la posicin a
34
. He aqu la matriz que
se obtiene, junto con la indicacin de las operaciones realizadas:
_
_
_
_
_
_
_
_
1 2 1 0 1 1 1
0 0 2 1 1 0 1
0 0 0 2 4 2 0
0 0 0 0 0 2 2
0 0 0 0 0 2 2
_
_
_
_
_
_
_
_
F
5
2F
3
En el tercer paso operaremos sobre la sexta columna:
_
_
_
_
_
_
_
_
1 2 1 0 1 1 1
0 0 2 1 1 0 1
0 0 0 2 4 2 0
0 0 0 0 0 2 2
0 0 0 0 0 0 0
_
_
_
_
_
_
_
_
F
5
+ F
4
.
Ya tenemos la forma escalonada, con pivotes en las columnas primera, tercera, cuarta y sexta.
El sistema lineal, equivalente al sistema original en el sentido de que tiene exactamente las
mismas soluciones, que corresponde a esta matriz es
x
1
+ 2x
2
+ x
3
+ x
5
+ x
6
= 1,
2x
3
+ x
4
+ x
5
= 1,
2x
4
+ 4x
5
+ 2x
6
= 0,
2x
6
= 2.
De la ltima ecuacin resulta x
6
= 1. Con esta informacin vamos a la tercera y concluimos
x
4
+ 2x
5
= 1. Esto no permite determinar x
4
ni x
5
, pero podemos dejar expresada una
incgnita en trminos de la otra. Expresemos x
4
en trminos de x
5
, como x
4
= 1 2x
5
.
Sustituyendo en la segunda ecuacin obtenemos x
3
=
x
5
2
+ 1. Combinando toda esta infor-
macin con la primera ecuacin resulta x
1
+2x
2
+
3x
5
2
+1 = 0. Nuevamente escogemos despejar
la variable que corresponde al pivote para escribir x
1
= 2x
2
3x
5
2
1. Concluimos entonces
que todas las soluciones del sistema son de la forma
_
1 2x
2
3
x
5
2
, x
2
, 1 +
x
5
2
, 1 2x
5
, x
5
, 1
_
,
donde x
2
y x
5
son dos parmetros reales que podemos jar a nuestro antojo. Es decir si consi-
deramos que x
2
= 5 y x
5
= 6, por ejemplo, entonces una solucin sera
_
1 2 5 3
6
2
, 5, 1 +
6
2
, 1 2 6, 6, 1
_
= (20, 5, 4, 13, 6, 1) .
Por lo que para cada par de valores que demos a x
2
y a x
5
, obtenemos una solucin nueva,
por lo que la solucin no es nica, pero puede describirse completamente en trminos de las
variables x
2
y x
5
.
Cualquier sistema puede ser escalonado? Hasta este momento hemos usado el mtodo
de Gauss para resuolver unos cuantos sistemas de ecuaciones con l. Cabe preguntar si cualquier
matriz puede ser llevada a una forma escalonada. La respuesta es que s. Y la demostracin
no pasa de ser un anlisis cuidadoso del mtodo. Todo esto est contenido en nuestra siguiente
proposicin.
_
`
Proposicin
Toda matriz puede ser transformada en una matriz escalonada me-
diante una cantidad nita de transformaciones elementales
Demostracin. Razonaremos por induccin sobre el nmero de las de la matriz A. Como
primer paso, digamos que es obvio que una matriz que tiene una nica la se puede escalonar
por medio de una cantidad nita de operaciones elementales. En realidad no hay que hacer
ninguna: una matriz con una nica la ya est escalonada. No hay nada que hacer con ella.
Supongamos ahora que la proposicin es cierta para matrices con m 1 las, y veremos
como implica que se puede escalonar cualquier matriz con m las. Sea A = (a
ij
) una matriz
mn, con m 2. Indiquemos por
A
i
= (a
i1
, a
i2
, . . . , a
in
)
su la i-sima.
Distingamos tres casos:
1. Si a
11
= 0 entonces realizamos el primer paso: sustituimos cada la A
i
, para i = 2, . . . , m,
por
A
i
= A
i
a
i1
a
11
A
1
.
La eleccin del multiplicador para A
1
asegura que la primera entrada de cada una de
estas las A
i
es nula;
2. Si a
11
= 0, pero la primera columna tiene alguna entrada a
i1
no nula, entonces escogemos
una la A
i
tal que a
i1
= 0, e intercambiamos la primera la con A
i
. La aplicacin de esta
operacin elemental de intercambiar dos las nos coloca en la situacin del caso anterior.
Luego procedemos como en ese caso;
3. Si toda la primera columna es nula entonces no hacemos nada.
El resultado del paso anterior es una nueva matriz que tiene el siguiente aspecto
_
_
_
_
_
_
a
11
a
12
. . . a
1n
0 a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 a
m2
. . . a
mn
_
_
_
_
_
_
.
Para escalonar esta matriz basta encontrar una forma escalonada de la submatriz
(a
ij
) donde i = 2, . . . , m y j = 2, . . . , n,
que tiene m 1 las. Por lo tanto esta forma escalonada puede obtenerse por medio de un
nmero nito de transformaciones elementales. Por lo que slo hemos aadido un nmero nito
de transformaciones elementales y en total sigue siendo nito, como queramos demostrar.
La proposicin que acabamos de demostrar tiene un til corolario para la resolucin de
sistemas de ecuaciones lineales.
_
Corolario
Todo sistema lineal es equivalente a uno escalonado.

Matemáticas II

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Matemáticas II

Încărcat de

Drepturi de autor:

Formate disponibile

Departamento de Matemticas

NOTA: Obsrvese que la suma de matrices slo es posible entre matrices de

Propiedades de la suma de matrices:

Propiedades del producto por escalares:

Propiedades del producto de Matrices

Y como este ejemplo hay muchos casos.

Propiedades la trasposicin de matrices

Regla de Laplace para Determinantes

Como puede observarse la cantidad de operaciones para calcular un determinante aumenta

Desarrollando por la primera columna tenemos que

= 82 y teniendo en cuenta el ejemplo

= 2 2 4 +3 (1) (1) +5 0 6 5 2 (1) 3 0 4 2 (1) 6 = 41

1.4. Matriz Inversa

Propiedades la Inversa de una Matriz

Menor de orden k una matriz

Rango de una matriz

Sol: a) 48 , b) 394, c) 665

6. Calcular, si es posible, la inversa de las siguientes matrices

vale 0 cuando a = 3. Comprubalo e indica las propiedades

M = I donde I es la matriz identidad

es la traspuesta de M. Determinar si la siguiente matriz es ortogonal:

54. Calcular y simplicar al mximo:

44 Dpto- Matemticas - I.E.S. J.M. Caballero Bonald

61. Dadas las matrices:

63. Hallar las matrices inversas de:

Sistema de ecuaciones lineales

Clasificacin de los Sistemas de ecuaciones

S-ar putea să vă placă și