LGEBRA LINEAL

1.- MATRICES Y DETERMINANTES

1.1.-

Generalidades

Se llama matriz de orden mxn a un conjunto de mxn nmeros (o letras que representan
nmeros) dispuestos en m filas y n columnas y encerrado entre parntesis o corchetes.
4 2 5

es una matriz de orden 2x3

3 1 2

a11

a21
...

am1

a12
a22
...
am 2

... a1n

... a2 n
es la expresin general de una matriz de orden mxn
... ...

... amn

El conjunto de todas las matrices de orden mxn suele denotarse por Emxn.
La matriz suele denotarse con una letra mayscula, por ejemplo A. A cada nmero que
va dentro de la matriz se le llama elemento; el elemento que est en la fila i y la
columna j se denota con la misma letra que la matriz, pero en minscula, y dos
subndices que indican la posicin del elemento: aij (el primer subndice corresponde a
la fila y el segundo a la columna en la que est el elemento)
En la matriz anterior el elemento a12 es 2, el elemento a23 es 2.
Una matriz suele definirse tambin a travs de sus elementos, de la siguiente manera:
A=(aij)mxn. Lo anterior indicara que tenemos una matriz de orden mxn, llamada A y a
cuyos elementos llamamos aij.
Los elementos (nmeros) de una matriz pueden ser reales o complejos; en el primer
caso se dice que la matriz es real y en el segundo que es compleja.
2 3 5

4 2 1 es una matriz real

3 4 8

2-i 0 2 + i

2 4 i es una matriz compleja

4
3 1+ i
8

Se dice que dos matrices A y B son equidimensionales si y slo si tienen el mismo

nmero de filas y de columnas.
2 3 2

0 3 2

0 0 1

0 2 5

son equidimensionales

lgebra Lineal

Se dice que dos matrices A y B son iguales si y slo si siendo equidimensionales,

adems los elementos que ocupan la misma posicin son iguales. Es decir:
aij = bij i = 1, 2,...,m j = 1, 2, ..., n. (m y n nmero de filas y columnas
respectivamente)
Una matriz que tiene todos sus elementos nulos se denomina matriz nula, y se
representa por (0)mxn, siendo mxn el orden de la matriz.
0 0 0

es la matriz nula de 2x3

0 0 0

Se llama matriz lnea la matriz que consta de una sola lnea. Si est formada por una
sola fila se llama matriz fila (su orden es 1xn) y si est formada por una sola columna se
llama matriz columna (su orden es mx1).

( 1

2 0 ) es una matriz fila

2
es una matriz columna
1

Dada una matriz A = (aij)mxn se llama matriz opuesta de A a la que se obtiene

cambiando el signo de todos los elementos de A; se representa por A. As: -A=(-aij)mxn.
Si

1 3 2

2 1 5

A=

1 3 2
es la opuesta de A
2 1 5

-A=

1.1.1.- Matrices cuadradas

Se dice que una matriz es cuadrada si y slo si tiene el mismo nmero de filas que de
columnas. As una matriz cuadrada de orden n tiene n filas y n columnas.
2 1

es una matriz cuadrada de orden 2

4 5
a11

a21
a31

a
n1

a12
a22
a32

a13
a23
a33

an 2

an 3

a1n

a2 n
a3n es una matriz cuadrada de orden n

ann

Existen algunas definiciones importantes aplicables slo a matrices cuadradas; algunas

de ellas se exponen a continuacin.
Se llama diagonal principal de una matriz cuadrada a la formada por los elementos aii
(es decir: a11, a22, , ann).

lgebra Lineal

2 los elementos encuadrados forman la diagonal principal.

2
3
2

Se llama traza de una matriz cuadrada a la suma de los elementos de su diagonal

n

principal, es decir, Traza(A) =

ii

= a11 + a 22 + ... + a nn .

i =1

En el ejemplo anterior la traza de la matriz sera: 1+3+2=6

Una matriz cuadrada se dice triangular superior si todos los trminos situados por
debajo de la diagonal principal son ceros (es decir, aij=0 i>j). Anlogamente, se dice
triangular inferior si todos los trminos situados por encima de la diagonal principal
son ceros (es decir, aij=0 i<j).
2 4 1

0 3 4 es una matriz triangular superior de orden 3

0 0 2

a11

0
0

a12
a22
0

a13
a23
a33

a11

a21
a31

a
n1

0
a22
a32

0
0
a33

an 2

an 3

a1n

a2 n
a3n es la forma general de una matriz triangular superior

ann

es la foma genenal de una matriz triangular inferior

ann
0
0
0

Se llama matriz diagonal a toda matriz cuadrada cuyos trminos situados fuera de la
diagonal principal son todos nulos (es decir, aij=0 ij). Un caso particular de matriz
diagonal es la matriz escalar en la que todos los elementos de la diagonal principal son
iguales.

2 0 0

0 1 0
0 0 5

a11

0
0

0
a22
0

0
0
a33

ann
0
0
0

son matrices diagonales

lgebra Lineal

0
0

4 0 0

0 4 0
0 0 4

0 0
a 0
0 a
0 0

0
0

son matrices escalares

Se denomina matriz unidad o matriz identidad a una matriz escalar en la que los
elementos de la diagonal son todos 1. La matriz unidad de orden n suele denotarse por
In.
1 0 0

0 1 0
0 0 1

1.2.-

0
matriz unidad de orden 3 0

0 0
1 0
0 1
0 0

0
0 matriz unidad de orden n

1 n

Operaciones con matrices

1.2.1.- Suma de matrices

Dadas dos matrices A = (aij) y B = (bij) del mismo orden mxn, se llama matriz suma de
A y B y se denota por A+B, a la siguiente matriz:
A+B= (aij+ bij)
es decir, es una matriz cuyos elementos se obtienen sumando uno a uno los elementos
que ocupan la misma posicin en A y B. La matriz suma es, por lo tanto, una matriz del
mismo orden que A y B.
1 2 4

5 2

Si A=
2

En general, si

3 2

y B=

1 4 2

a11

a
A= 21

am1

a12
a22
am 2

... a1n

... a2 n
y

...

... amn

a11 + b11

a +b
A+B= 21 21

am1 + bm1

a12 + b12
a22 + b22
am 2 + bm 2

1 1 6

A+B=

1 9 4
b11 b12

b
b
B= 21 22

bm1 bm2

... b1n

... b2n

...

... bmn

... a1n + b1n

... a2 n + b2 n

...

... amn + bmn

La suma de matrices de orden mxn verifica las siguientes propiedades:

Asociativa: (A + B) + C = A + (B + C),

A, B, C

lgebra Lineal

Elemento neutro: A + (0) mxn = (0) mxn + A = A,

Elemento opuesto: A + (-A) = (-A) + A = (0), A
Conmutativa: A+B = B+A, A, B

Nota: obsrvese que las propiedades de la suma de matrices son las mismas que las de
las suma de nmeros reales.
1.2.2.- Producto de matrices por un escalar
Sea A = (aij) una matriz de orden mxn y un nmero (con frecuencia llamado escalar).
Se define el producto del escalar por la matriz A y se denota por A a una matriz
cuyos elementos se obtienen multiplicando cada elemento de A por . La matriz A es
por lo tanto una matriz de la misma dimensin que A.
1 2 4

5 2

Si A=
2

y =2

a11

a
En general, si A= 21
...

am1

2 4 8

4 10 4

A=

... a1n
a11 a12

... a2 n
a21 a22
A=

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

... amn
am1 am 2

a12
a22
...
am 2

... a1n

... a2 n
...
...

... amn

El producto de matrices de orden mxn por un nmero verifica las siguientes

propiedades:
(A + B) = A + B

A, B

(+)A=A+A

, A

( ) A = ( A )

, A

1A = A

1.2.3.- Producto de matrices entre s

Dadas dos matrices AEmxp y BEpxn (es decir, el nmero de filas de B coincide con el
nmero de columnas de A), se llama matriz producto de A y B a otra matriz, que se
denota como AB, cuyos elementos se obtienen de la siguiente manera:
(ab)ij =

ik bkj

i = 1, 2,..., m j = 1, 2,..., n

k =1

Es decir, si llamamos C a la matriz producto de AB, entonces:

lgebra Lineal

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

.................
ai1 ai 2 ...aip

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

......b1 j ......
.............

......b2 j ......
.............

. ............. = ....cij ..... donde

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

mxp ......bpj ...... pxn ............. mxn

cij = ai1b1 j + ai 2b2 j + ... + aip bpj =

ik bkj

k =1

Se observa que la matriz C=AB es de dimensin mxn.

-2
2 1 -1
-5

. 1 =
2 3 0 2x3 2
-1 2x1
3x1

c11 = 2 (2) + 1 1 + (1) 2 = 5

c21 = 2 (2) + 3 1 + 0 2 = -1

El producto de matrices no es conmutativo.

Teniendo en cuenta la definicin del producto de matrices se observa que, como se ha
dicho anteriormente, es necesario que el nmero de filas de B coincida con el nmero de
columnas de A. Por ello, si las matrices son rectangulares es posible que exista AB y no
exista BA , pero an existiendo BA no tiene porqu coincidir con AB.
Si BA = AB se dice que las matrices A y B son permutables o conmutables.
1 2
2 1
y B=
AB BA como se comprueba a continuacin:
3
1 0

Si A =
0

AB =

FG 1 2IJ FG 2 1IJ = FG 0 1IJ

H0 3 K H1 0 K H3 0 K
FG 2 1IJ FG 1 2IJ = FG 2 7IJ
H 1 0 K H 0 3 K H 1 -2 K

B A =

Segn lo anterior cuando se multipliquen matrices ha de tenerse cuidado con el orden de

los trminos. Para distinguir el orden en el producto AB se dice que A premultiplica a
B o multiplica a B por la izquierda; de la misma manera, B postmultiplica a A o
multiplica a A por la derecha.
Si se quiere multiplicar ambos miembros de una ecuacin matricial X = Y por una
matriz P, es importante que o bien premultipliquemos ambos miembros por P, o bien
postmultipliquemos ambos miembros por P.
El producto de matrices verifica las siguientes propiedades:
Distributiva del producto respecto de la suma por la izquierda

lgebra Lineal

A(B+C) = AB + AC

AEmxn B,CEnxp

Distributiva del producto respecto de la suma por la derecha

(A+B)C = AC + BC

A,BEmxn CEnxp

Asociativa
(AB)C = A(BC)
(AB) = (A)B = A(B)

AEmxn, BEnxp, CEpxq

AEmxn , BEnxp , (nmero)

En el producto matricial puede ocurrir que AB sea nulo siendo A(0) y B(0) (a
diferencia del producto con escalares donde ab=0 si y slo si alguno de los factores es
cero).
De la misma manera, siendo A(0) la igualdad matricial AB=AC no implica B=C
(mientras que con escalares, si ab=ac y a0 b=c).
1 0
1 0
0 0 0
0 0 0

0 0 0

Sean A = 0 0 y B =
A B = 0 0
= 0 0 0
1
1
0
1
1
0

0 0 0
1 0
1 0

1 0
0 0 1
0 0 1
Sean A = 0 0 , B =
y C=

1 0 0
0 1 0
1 0

A B = A C, siendo A (0) y B C

Es fcil comprobar que AEmxn, ImA=A y AIn=A (es decir, las matrices Im y In
juegan el mismo papel que el nmero 1 en la multiplicacin de nmeros).
1.2.4.- Potencias de matrices cuadradas
Las potencias de matrices cuadradas son un caso particular del producto de matrices. Se
llama potencia p-sima (p+) de una matriz cuadrada A a la matriz que se obtiene
multiplicando A p veces por s misma.
A p = (A A A A)
p veces

Por lo tanto:

lgebra Lineal

A1 = A
A2 = A A
A3 = A A A

Se observa fcilmente que esta operacin no puede realizarse con matrices

rectangulares.
Propiedades.
ApAq = Ap+q

p,q+

(Ap)q = Apq

p,q+

Nota: A0 = I

A cuadrada, por convenio

A pesar de que, como hemos dicho, el producto de matrices en general no es

conmutativo, es interesante darse cuenta de que cuando multiplicamos dos matrices,
donde cada una de ellas es una potencia entera positiva de otra, el orden en que las
multipliquemos es indiferente (es decir, las matrices conmutan).
1 2
A=
;
-3 2

97 -142

213 26

97 -142

213 26

A2A3=

A3.A2=

Es sencillo demostrar que la afirmacin anterior se cumple en general, como se observa

a continuacin:
p,q+

ApAq = Ap+q= Aq+p =AqAp

Puede

tambin

a11

0
diagonal: A = 0

comprobarse
0

a22
0

0
a33

a11 p

0
p
se cumple que: A = 0

fcilmente

que

si

es

una

matriz

0
0

ann

a22 p

a33 p

0 p

ann p

Podra pensarse que las potencias de matrices cuadradas funcionan a todos los efectos
como las potencias de nmeros. Pero esto no es cierto:

lgebra Lineal

Dadas A y B, matrices cuadradas del mismo orden,

(A+B)2 = (A+B)(A+B) = A2 + BA + AB + B2 A2 + 2AB + B2
pues en general AB BA.
Del mismo modo:
(A+B)(A-B) = A2 + BA - AB - B2 A2 - B2
1.3.-

Matriz traspuesta de una dada

Se llama matriz traspuesta de una matriz A a la que se obtiene intercambiando sus filas
por sus columnas. Se representa por At o A. Por lo tanto, si AEmxn AtEnxm (si A es
de orden mxn su traspuesta es de orden nxm)

A 2x3

0 3 -2
=
,
3 2 2

A 3x2

0 3

= 3 2
-2 2

Propiedades.
(At)t = A

AEmxn

0 3
0 3 -2

t
Ejemplo: A =
A = 3 2
3
2
2

-2 2

A,B Emxn.

(A+B)t = At+Bt

( )
At

0 3 -2
=

3 2 2

En general: (A1 + A 2 + ... + A n ) t = A1t + A 2t + ... + A nt

0 3 -2

-4 1

Ejemplo: sean A =
y B=

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

t
A = 3 2 , B = -4 -1
-2 2
1 0

1 1

A + B = -1 1
-1 2

AEmxq , BEqxn
1

1 1

( A+B ) = -1 1 =A t + Bt
-1 2

1 -1 -1
A+B =

1 1 2

(AB)t = BtAt

En general: (A1 A 2 ... A n ) t = A nt A nt -1 ... A1t

Ejemplo: sean A = 3 4 y B =

-7 5
2 1

-8 4

lgebra Lineal

1 3
At =
2 4
-22

A B = -4
-23

2
8 7
22 4 23
t
Bt A t =
, B =

1
8 13
4 5
14
14
22 4 23
t

t
t
8
( A B) =
=B A
8 13
14
13

Una matriz cuadrada se dice que es simtrica si coincide con su traspuesta, lo cual slo
se puede cumplir si los elementos dispuestos simtricamente a ambos lados de la
diagonal son iguales; es decir:
A es simtrica

A=At

aij=aji i,j=1, 2,..., n

1 0 2

0 6 4 es simtrica
2 4 3

Una matriz cuadrada A se dice que es antisimtrica si coincide con la opuesta de su

traspuesta, lo cual slo puede ocurrir si los elementos dispuestos simtricamente a
ambos lados de la diagonal son opuestos y los elementos de la diagonal principal son
nulos; es decir
A es antisimtrica

A=-At

aij=-aji i,j=1, 2,..., n

0 1 3

1 0 5 es antisimtrica
3 5 0

1.4.-

Determinantes de matrices cuadradas

1.4.1.- Definicin de determinante

Asociado a cada matriz cuadrada A existe un nmero que es el valor del determinante y
se denota por |A|. La expresin matemtica de la definicin de determinante, cuya
observacin se deja como opcional para el alumno, puede parecer y es complicada, pero
su significado es muy sencillo. Es interesante que el alumno observe esta demostracin
para darse cuenta del coste que supondra emplearla en matrices de orden elevado y
comprender as porqu se buscan modos alternativos de obtener el valor de un
determinante y la necesidad de conocer las propiedades de los determinantes para
emplear estos mtodos.
Precisamente de la aplicacin directa de la definicin de determinante se obtienen las
frmulas para el clculo de determinantes de orden 2 y 3, que es seguro que el alumno
conoce y aplica habitualmente, si bien estos determinantes pueden obtenerse tambin
por los mtodos que se van a explicar posteriormente, vlidos para matrices de cualquier
orden. Recordamos dichas frmulas:

10

lgebra Lineal

Orden 2: A =

a11
a21

a11
Orden 3 : A = a21
a31

a12
= a11 a22 a12 a21
a22
a12
a22
a32

a13
a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
a33
a11 a23 a32 - a12 a21 a33 - a13 a22 a31

Es ms sencillo recordar esta ltima expresin haciendo uso de la regla de Sarrus, que
dibuja esta frmula mediante un esquema que agrupa los trminos que van en cada
sumando. En el dibujo de la regla de Sarrus que se muestra a continuacin los crculos
representan los elementos de la matriz; se han unido con lneas de un mismo color los
elementos que van multiplicados en un mismo sumando (a la izquierda los positivos y a
la derecha los negativos).

Trminos positivos

Trminos negativos

1.4.2.- Otras definiciones relacionadas con los determinantes

Para los mtodos de clculo de determinantes que se van a presentar posteriormente es
necesario definir algunos conceptos previos.
Si en un determinante D de orden n se suprimen q filas y q columnas, las restantes filas
y columnas definen un nuevo determinante de orden (n-q) que se llama menor del
determinante D.
a11

a12

a13

a14

a15

a21
Si en a31

a22
a32

a23
a33

a24
a34

a25
a35

a41
a51

a42
a52

a43
a53

a44
a54

a45
a55

se suprimen las filas 3 y 5 y las columnas 2 y 4

a11

a13

a15

se obtiene el siguiente menor de orden 3: a21 a23 a25

a41

a43

a45

A cada elemento aij de un determinante D se le puede asociar otro determinante que se

obtiene suprimiendo en D la fila i y la columna j en las que se encuentra el elemento;

11

lgebra Lineal

este nuevo determinante se denomina menor asociado a aij y que se denota por Dij. Si D
es de orden n, Dij es por lo tanto de orden n-1.

Si en el determinante anterior buscamos D12:

D12 =

a11

a12

a13

a14

a15

a21
a31

a22
a32

a23
a33

a24
a34

a25
a35

a41
a51

a42
a52

a43
a53

a44
a54

a45
a55

a21

a23

a23

a25

a31
a41

a33
a43

a34
a44

a35
es el menor asociado al elemento a12.
a45

a51

a53

a54

a55

Cuando un menor de un determinante est formado por las q primeras filas y las q
primeras columnas se denomina menor principal de orden q.
As por ejemplo, en un determinante de orden 5 para obtener sus menores
principales de orden 1, 2, 3, 4 y 5 (el propio determinante) vamos seleccionando
los elementos (o filas y columnas) como se indica a continuacin:
a11

a12

a13

a14

a15

a21
a31

a22
a32

a23
a33

a24
a34

a25
a35 resultando as:

a41
a51

a42
a52

a43
a53

a44
a54

a45
a55

a11

a11
a21

a12
a22

a11
a21

a12
a22

a13
a23

a31

a32

a33

a11

a12

a13

a14

a21
a31

a22
a32

a23
a33

a24
a34

a41

a42

a43

a44

y el propio determinante.

Se llama adjunto de un elemento aij al determinante Aij=(-1)i+jDij , es decir, al valor del

menor correspondiente a aij con signo + o - segn el lugar que ocupa aij.
As, para el determinante de orden 5 de los ejemplos anteriores:

A12=(-1)1+2D12=

12

a21

a23

a23

a25

a31

a33

a34

a35

a41

a43

a44

a45

a51

a53

a54

a55

lgebra Lineal

1.4.3.- Propiedades de los determinantes

Para calcular los determinantes por los mtodos que se van a exponer a continuacin
convendr realizar una serie de transformaciones que no alteren su valor, pero que lo
conviertan en otro ms sencillo de calcular (por ejemplo, por tener muchos elementos
nulos o ser triangular).
Para realizar dichas transformaciones deben tenerse en cuenta siempre las propiedades
de los determinantes (no vamos a demostrar ninguna de estas propiedades, a pesar de
que alguna de las demostraciones es muy sencilla):
1- El determinante de una matriz es igual al de su traspuesta: |A|=|A|t
2- Si una fila (o columna) tiene todos sus elementos nulos, el determinante es cero.
3- Un determinante que tiene dos filas (o dos columnas) iguales es cero.
4- Si en un determinante los elementos de una fila o columna son mltiplos de los de
otra, el valor del determinante es cero.
5- Un determinante en el cual una fila (o columna) es combinacin lineal de otra es
nulo.
6- Si a una fila (o columna) se le suma otra multiplicada por un escalar, el determinante
no vara.
7- Si se cambian entre s dos filas, el valor del determinante cambia de signo
(anlogamente con las columnas).
8- Multiplicando a todos los elementos de una fila (o columna) por , el determinante
queda multiplicado por .
9- Sea el determinante
a11 + b11

a12 + b12 ... a1n + b1n

a21
...

a22
...

...
...

a2 n
...

an1

an 2

...

ann

a11

a12

... a1n

b11

b12

... b1n

a21
...

a22
...

... a2 n a21
+
... ...
...

a22
...

... a2 n
... ...

an1

an 2 ... ann

an1

an 2 ... ann

En general: Si todos los elementos de una fila (o columna) de un determinante son

sumas de p nmeros, se puede descomponer dicho determinante en suma de p
determinantes que tienen comunes todas las filas (o columnas) excepto la
considerada, la cual viene sustituda por el primer sumando en el primer
determinante, por el segundo sumando en el segundo determinante,..., por el p-simo
sumando en el p-simo determinante.

13

lgebra Lineal

10- A B = A B .

A,BEnxn.

11- |Ap|=|A|p

AEnxn.

Nota: en general A+B A + B

1.4.4.- Algunos mtodos de clculo de determinantes
Desarrollo de un determinante por los elementos de una lnea (o regla de Laplace)
El valor de un determinante D se puede calcular como la suma de los productos de los
elementos de una lnea (fila o columna) por los adjuntos de los mismos (como veremos
enseguida ser conveniente elegir la lnea que tenga mayor nmero de elementos nulos,
para reducir el nmero de operaciones a realizar).

As, si D =

a11

a12

... a1n

a 21
...

a 22
...

... a 2 n
, desarrollando el determ. por la i-sima fila se obtiene:
... ...

a n1

a n 2 ... a nn

D = ai1Ai1 + ai2Ai2 +...+ ainAin

y hacindolo por la j-sima columna se obtiene:
D = a1jA1j + a2jA2j +...+ anjAnj
3 5 2 4

Ejemplo: calcular D =

1 0 2 3
0 4 0 1 2 elementos nulos
6 1 2 3

Desarrollando D por los elementos de la tercera fila:

5 2 4
3 2 4
3 5 4
3 5 2
D = 0 0 2 3 4 1 2 3 + 0 1 0 3 1 1 0 2 = 6
1 2 3

6 2 3

6 1 3

6 1 2

En el ejemplo anterior, el clculo del determinante de orden 4 se ha transformado en el

clculo de 4 determinantes de orden 3 (que podemos obtener haciendo uso de la regla de
Sarrus, por ejemplo), dos de los cuales no calcularemos por ir multiplicados por cero.
En general con este mtodo el clculo de un determinante de orden n se transforma en el
clculo de n determinantes de orden n-1 (o alguno menos si en la fila por la que
desarrollamos hay ceros). Por ello este mtodo en s mismo, sin combinarlo con el uso
de las propiedades de los determinantes no es de gran utilidad para el clculo de
determinantes de orden elevado.

14

lgebra Lineal

Clculo empleando las propiedades de los determinantes

Todas las propiedades de los determinantes son muy tiles para el clculo de los
mismos. Siempre ser conveniente observar si tenemos un determinante con todos sus
elementos nulos, o con dos lneas paralelas (filas o columnas) iguales entre s o
proporcionales, o si una fila es combinacin lineal de otras (esto ltimo no es tan fcil
de ver por simple observacin); en estos casos, por las propiedades 2, 3, 4 y 5 sabramos
que el valor del determinante es cero, sin necesidad de calcularlo. De no ser as, se suele
intentar transformar el determinante en otro ms sencillo (generalmente triangular)
haciendo uso con frecuencia de la propiedades 7, 8 y sobre todo la 6.
Hay que tener mucho cuidado en el empleo de las propiedades 7 y 8, ya que alteran el
valor del determinante original, por lo que hay que multiplicar posteriormente el valor
obtenido por el nmero adecuado (-1 o

, respectivamente) para mantener el valor del

determinante inicial.
1.5.-

Rango de una matriz de orden mxn

1.5.1.- Definicin

Se llama rango de una matriz A de orden mxn al orden del mayor menor no nulo que
puede extraerse de ella. Tambin, teniendo en cuenta las propiedades de los
determinantes, se define como el mayor nmero de filas o columnas que son
linealmente independientes en A.
1.5.2.- Clculo

El primer procedimiento que nos puede venir a la mente para calcular el rango de una
matriz es, precisamente emplear su definicin. As, dada una matriz de orden mxn
comenzaremos extrayendo uno a uno sus menores de mayor orden (supongamos que
ste es n). En cuanto algn menor sea no nulo pararemos el proceso y diremos que el
rango de la matriz ser n. Si extrados todos los menores de orden n no hemos
encontrado ninguno no nulo, sabremos que el rango es menor que n, pero no sabemos
cunto menor. En este ltimo caso tendramos que continuar el proceso, extrayendo uno
a uno los menores de orden n-1 hasta que encontremos uno no nulo, momento en el que
podramos decir que el rango de A es n-1. Si extrados todos los menores de orden n-1
no hemos encontrado ninguno no nulo, sabremos que el rango es menor que n-1, pero
no sabemos cunto menor. As, tendramos que pasar a plantear los menores de orden
n-2 Se contina con el proceso hasta obtener algn menor no nulo de algn orden; el
rango de la matriz sera este orden.
Puede verse que este proceso es muy laborioso, por lo que si hay algn procedimiento
alternativo es conveniente emplearlo. Uno de estos procedimientos se ver en el
apartado 2.4, al explicar cmo se discute la existencia de solucin de sistemas de

15

lgebra Lineal

ecuaciones lineales cuando aplicamos el mtodo de Gauss. Este proceso es mucho ms

eficiente y es comnmente empleado en la prctica.
1.6.-

Matrices regulares: inversa de una matriz cuadrada

1.6.1.- Definicin

Una matriz cuadrada A se dice regular si existe otra matriz cuadrada, a la que
llamaremos inversa de A y denotaremos por A-1, tal que AA-1 =A-1A=I. En caso de no
existir esta matriz A-1 se dice que A es singular.
1 2
La inversa de A=

1 0

0
es A = 1

2
-1

1
1 0
-1

1 , ya que A A =

0 1
2

Podemos decir entonces que A es regular, ya que tiene inversa.

Cuando una matriz cuadrada tiene inversa sta es nica.
Cuando la inversa de una matriz A coincide con su traspuesta, se dice que A es
ortogonal. Es decir:
A es ortogonal A-1=At AtA = AAt=I
1.6.2.- Caracterizacin de las matrices regulares (cmo saber si una matriz es
regular)

Un primer mtodo para saber si una matriz es regular sera utilizar directamente la
definicin: dada una matriz A planteamos la ecuacin matricial A.A-1=I. Si este sistema
tiene solucin la matriz A-1 obtenida ser la inversa de A y A ser regular; si el sistema
es incompatible significa que no se puede encontrar A-1 y por lo tanto A es singular.
Veremos un ejemplo de esto en el siguiente apartado (clculo de la inversa).
Pero adems puede demostrarse que una matriz cuadrada es regular si y slo si su
determinante es no nulo. De la misma manera una matriz cuadrada es singular si y slo
si su determinante es nulo.
Recordando la definicin de rango de una matriz lo anterior es equivalente a decir que
una matriz cuadrada de orden n es regular si y slo si el rango de A es n y es singular si
el rango de A es menor que n.
1.6.3.- Algunos mtodos para calcular la inversa de una matriz
Utilizando directamente la definicin de inversa

Como se ha indicado en el apartado anterior, el mtodo ms directo para calcular la

inversa de una matriz A sera aplicar directamente su definicin. Esta definicion

16

lgebra Lineal

representa un sistema de ecuaciones a partir del cual podremos obtener la inversa de A,

en caso de existir sta.
1 2
planteamos que buscamos una
2 1

Por ejemplo, para calcular la inversa de A=

matriz A-1 que, en caso de existir, ha de ser tambin cuadrada de orden 2, por lo
que ser de la forma:
x
A 1 =
z

y ha de cumplir A A 1 = I

1 2 x

2 1 z

y 1 0
=

t 0 1

Esta expresin representa la igualdad de dos matrices y puesto que para que dos
matrices sean iguales han de serlo elemento a elemento (segn la definicin de
igualdad de matrices), de aqu se obtiene el siguiente sistema de ecuaciones
lineales:
x + 2z = 1
y + 2t = 0

2 x + z = 0
2 y + t = 1

la discusin de la existencia de solucin de este sistema y su resolucin se

abordarn por cualquier mtodo conocido (por ejemplo los que se explicarn en
el apartado siguiente). En este ejemplo el sistema tiene solucin y es la
siguiente:

1
x= ,
3

2
y= ,
3

2
1
z= , t=
3
3

1 2
3 3
1
por lo que A =

2 1

3
3

En caso de que la matriz cuya inversa buscamos no sea regular llegaremos a un sistema
incompatible (es decir, sin solucin). Por ejemplo:
x
2 8
1
si A =
A =
z
1 4

A A 1 = I

2 8 x

1 4 z

2 x + 8z = 1
2 y + 8t = 0
y 1 0

este sistema no tiene

=

t 0 1
x + 4z = 0
y + 4t = 1

solucin (segn aprenderemos a discutir en el siguiente apartado), lo que

17

lgebra Lineal

significa que no existen valores de x,y,z,t que cumplan todas las ecuaciones
simultneamente y por lo tanto no existe una matriz A-1/ A.A-1=I (es decir, A no
tiene inversa).
Clculo de A-1 empleando la frmula:

A 1 =

1
Aa
A

Se puede demostrar que si A es regular su inversa se puede calcular segn la expresin

anterior, donde Aa denota a la matriz adjunta de A y es aquella matriz que resulta de
sustituir cada elemento de At por su adjunto.
2 2 0
Para calcular la inversa de A = 0 3 1 necesitamos su determinante:
1 0 1

A = 2 3 1 + 1 2 1 = 8 0 A 1

y su adjunta:

F2
= G2
GH 0

I
JJ
1K

0 1
3 0
1

1
0
Aa =
1

0
3

0
1

1
1
1
0

2 1
0 1
2 1
0 1

2 1
2 0

2 3

0 1
3 2 2
2 0

= 1 2 2
0 1

3 2 6
2 0
2 3

entonces
3 8 1 4 1 4

A = 3 8 1 4 -1 4 .
-3 8 1 4 3 4

-1

1.6.4.- Algunas propiedades

A 1 =

1
A

(A B)-1 = B-1 A-1

A regularEnxn(q).
A,B regulares Enxn(q)

2.- SISTEMAS DE ECUACIONES LINEALES:

EXISTENCIA DE SOLUCIN Y RESOLUCIN
2.1.-

DISCUSIN

DE

LA

Algunas definiciones.

Recordamos que se llama ecuacin lineal o ecuacin de primer grado a una expresin
algebraica de la forma:
18

lgebra Lineal

a1 x1 + a2 x2 + a3 x3 + + an xn = b

donde a1, a2,..., an son nmeros conocidos que se llaman coeficientes y b es un nmero
tambin conocido que se llama trmino independiente. Por ltimo, x1, x2,...,xn son
variables cuyo valor pretendemos determinar y que se suelen llamar incgnitas.
2 x1 + 3 x2 4 x3 = 5

es una ecuacin lineal con 3 incgnitas

Cuando el trmino independiente de la ecuacin es 0 se dice que la ecuacin es

homognea.
x1 + 2 x2 = 0

es una ecuacin homognea con dos incgnitas

Se llama solucin de la ecuacin a1 x1 + a2 x2 + a3 x3 + + an xn = b a un conjunto de

nmeros r1, r2,..., rn tales que sustitudos en la ecuacin, la verifican; es decir:
a1 r1 + a2 r2 + a3 r3 + + an rn = b

Se dice que dos ecuaciones son equivalentes cuando tienen la misma solucin.
2x = 4
4x = 8

son ecuaciones equivalentes. La solucin de ambas es x=2

Se llama sistema lineal de m ecuaciones con n incgnitas a todo conjunto de ecuaciones

de la forma:
a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1
a x + a x + a x ++ a x = b
23
3
2n
n
2
21 1 22 2
a31 x1 + a32 x2 + a33 x3 + + a3n xn = b3

am1 x1 + am 2 x2 + am 3 x3 + + amn xn = bm
4 x1 x2 + 4 x3 = 2

2 x1 + 3 x2 2 x3 = 7

(1)

es un sistema de 2 ecuaciones y 3 incgnitas

Se dice que un sistema de ecuaciones es homogneo cuando todas sus ecuaciones son
homogneas. En caso contrario se llama heterogneo.
Se llama solucin de un sistema de m ecuaciones con n incgnitas a un conjunto de n
nmeros r1, r2,..., rn que verifican todas las ecuaciones del sistema. Es decir:
a11 r1 + a12 r2 + a13 r3 + + a1n rn = b1
a r + a r + a r ++ a r = b
23 3
2n n
2
21 1 22 2

+
+

=
a
r
a
r
a
r
a
r
b

31 1 32 2
33 3
3n n
3

am1 r1 + am 2 r2 + am 3 r3 + + amn rn = bm

19

lgebra Lineal

Se dice que un sistema de ecuaciones es compatible cuando posee una o varias

soluciones. Si posee una nica solucin se llama compatible determinado y si posee
infinitas se llama compatible indeterminado.
Se dice que un sistema de ecuaciones es incompatible cuando no tiene ninguna
solucin.
Un sistema de ecuaciones lineales homogneo siempre es compatible, ya que al menos
tiene siempre la solucin trivial (es decir, aquella en la que todas las incgnitas valen
cero).
Se dice que dos sistemas de ecuaciones son equivalentes cuando tienen las mismas
soluciones.
Nota: es muy conveniente observar que dependiendo de la forma de un sistema y no
slo de su tamao, un sistema puede ser ms sencillo de resolver que otro. As por
ejemplo, entre los dos sistemas siguientes:
x1 x2 + 2 x3 = 1

x2 + x3 = 0
2x3 = -2

x1 x2 + 2 x3 = 1

x1 + 2 x2 x3 = 1
x1 2 x2 x3 = 3

a simple vista parece ms sencillo resolver el de la izquierda que el de la derecha, a

pesar de que ambos tienen el mismo nmero de ecuaciones e incgnitas. Esto es debido
a la forma en escalera o escalonada del primer sistema. En general los sistemas de
ecuaciones de la forma:
a11 x1 + a12 x2 + ... + a1n xn = b1
a22 x2 + ... + a2 n xn = b2
amn xn = bm

son muy sencillos de resolver mediante el procedimiento de sustitucin regresiva, que

simplemente consiste en resolver empezando por la ltima ecuacin; en ella se despeja
el valor de xn que se sustituir en la anteltima ecuacin, en la que ya por lo tanto slo
quedar una incgnita xn-1. A continuacin los valores de xn-1 y xn se sustituyen en la
anterior ecuacin, quedando en sta slo la incgnita xn-2 y as sucesivamente hasta
llegar a la primera ecuacin, donde slo quedar como incgnita x1, que se despejar.
2.2.-

Expresin matricial de un sistema de ecuaciones lineales

Es muy sencillo darse cuenta de que un sistema de ecuaciones lineales como (1) se
puede escribir en forma matricial de la manera que se indica a continuacin (slo hay
que recordar cmo se realiza el producto de matrices y qu significa que dos matrices
son iguales):

20

lgebra Lineal

a11

a21
...

am1

a12
a22
...
am 2

... a1n x1 b1

... a2 n x2 b2

=
... ... ... ...

... amn xn bm

(2)

Esto se conoce como expresin matricial del sistema (1). En forma compacta se
escribira:
Ax = b

a11

a
donde A = 21
...

am1

a12
a22
...
am 2

a1n

... a2 n
se denomina matriz de los coeficientes del sistema
... ...

... amn
...

x1

x
x = 2 es la matriz incgnita (o matriz de incgnitas)
...

xm
b1

b
y b = 2 es la matriz de los trminos independientes.
...

bm

Para resolver y discutir un sistema por los mtodos que veremos posteriormente es til
tambin definir la siguiente matriz:
a11

a
( A | b ) = 21
...

am1

a12

...

a1n

a22

... a2 n

...

...

...

am 2 ... amn

b1

b2
que se denomina matriz ampliada del sistema.
...

bm

Nota: como puede verse fcilmente, la matriz ampliada de un sistema escalonado tendr
tambin forma en escalera. Se observa que en este tipo de matrices:
- el primer elemento no nulo (por la izquierda) de cada fila est a la derecha del primer
elemento no nulo de filas anteriores (forma escalonada)
- las filas nulas, si existen, estn en la parte inferior de la matriz.
Las siguientes matrices estn en forma escalonada:

21

lgebra Lineal

F1
GG 0
H0

I
JJ
1K

* *
1 * ,
0

F1
GG 0
H0

I F
JJ G
K H

F
IJ GG
K GG
H

1
* * *
0 1 * * *
0
1 * * ,
,
0 0 0 1 *
0
0 0 0
0

I
*J
J
*J
J
0K

* * * * *
0 1 * *
0 0 1 *
0 0 0 0

donde representa un nmero cualquiera.

r1

r
Si trabajamos matricialmente diremos que r = 2 es solucin del sistema (2) (o
...

rn

equivalentemente del (1)) si:

a11

a21
...

am1

2.3.-

a12
a22
...
am 2

a1n r1 b1

... a2 n r2 b2

=
... ... ... ...

... amn rn bm
...

o, en forma compacta, si A r = b

Resolucin de un sistema de ecuaciones lineales

Existen varios mtodos para la resolucin de sistemas de ecuaciones lineales:

eliminacin, sustitucin, Cramer, Gauss, etc. Vamos a centrarnos en este apartado en
los dos ltimos si bien dedicaremos mayor atencin al mtodo de Gauss, que es el ms
til en la prctica; cualquiera de los dems mtodos es muy costoso y/o complicado de
utilizar para ms de tres ecuaciones.
2.3.1.- Mtodo de Cramer

El mtodo de Cramer es nicamente vlido para resolver sistemas de ecuaciones

lineales cuadrados (mismo nmero de ecuaciones que de incgnitas) y con matriz de los
coeficientes regular (lo que implica, como veremos posteriormente, que tiene solucin
nica). Vemos pues que es de uso limitado y adems bastante costoso de emplear en la
prctica, ya que involucra el clculo de un nmero elevado de determinantes (ms
elevado cuanto mayor sea el sistema) y por lo tanto cuantiosas multiplicaciones (por
ejemplo, cuando el nmero de incgnitas es 5 es necesario hacer 1440 operaciones para
resolver el problema).
Dado un sistema de ecuaciones lineales de n ecuaciones con n incgnitas, es decir, de la
forma:

22

lgebra Lineal

a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1

a x + a x + a x + + a x = b
n
22
2
23
3
2n
2
21 1

+
+

=
a
x
a
x
a
x
a
x
b

31 1 32 2
n
33
3
3n
3

an1 x1 + an 2 x2 + an 3 x3 + + ann xn = bn

cuyas matrices de los coeficientes y de trminos independientes son:

a11

a
A = 21
...

an1

a12
a22

...
an 2

... a1n

... a2 n
... ...

... ann

b1

b
b= 2
...

bm

puede demostrarse que el valor de cada incgnita xi puede calcularse como el cociente
de dos determinantes: en el denominador el determinante de la matriz de los
coeficientes y en el numerador el determinante que resulta de sustituir en el
determinante de la matriz de los coeficientes la columna i-sima por la columna de
trminos independientes. Es decir:
col i

xi =

a11
a21

a12
a22

...
an1

...
an 2

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

b1 ... a1n
b2 ... a1n

... ... ...

bn ... ann

x1 x2 + 2 x3 = 1
1 1 2

Ejemplo: x1 + 2 x2 x3 = 1 A = 1 2 1
1 2 1
x1 2 x2 x3 = 3

A = 2; x1 =

1 1 2
1 2 1
3 1 1
A

= 4; x2 =

1 1 2
1 1 1
1 3 1
A

= 1; x3 =

1

b = 1
3

1 1 1
1 2 1
1 2 3
A

= 1

23

lgebra Lineal

2.3.2.- Mtodo de Gauss

Mtodo de Gauss aplicado directamente sobre las ecuaciones del sistema

Puede demostrarse que cuando sobre un sistema de ecuaciones se realiza una

trasformacin de uno de los tres tipos que se van a indicar a continuacin el sistema
resultante es equivalente al inicial (es decir, tiene las mismas soluciones).
Tranformaciones:
1- se intercambian entre s de lugar dos ecuaciones ( Ei E j )
2- se cambia una ecuacin por ella misma multiplicada por un nmero no
nulo ( Ei Ei siendo 0)
3-

se cambia una ecuacin por ella

otras ( Ei Ei + E j + E p + + Eq )

ms

una

combinacin

lineal

de

El mtodo de Gauss consiste en realizar transformaciones de los 3 tipos anteriores sobre

el sistema que se quiere resolver hasta llegar a un sistema equivalente que est en forma
escalonada sobre la que ser muy sencillo tanto discutir la existencia de solucin del
sistema como su resolucin por sustitucin regresiva en caso de existir solucin.
Ejemplo. Queremos resolver el siguiente sistema:
x1 x2 + 2 x3 = 1

x1 + 2 x2 x3 = 1
x1 2 x2 x3 = 3

Si sobre l se realiza la transformacin consistente en sumar a la segunda ecuacin la

primera ( E2 E2 + E1 ) , se obtiene el sistema equivalente:
x1 x2 + 2 x3 = 1

x2 + x3 = 1
x1 2 x2 x3 = 3

Si ahora a la tercera ecuacin se le resta la primera ( E3 E3 E1 ) se obtiene el sistema

equivalente:
x1 x2 + 2 x3 = 1

x2 + x3 = 0
- x2 3x3 = 2

Si ahora a la tercera fila se le suma la segunda ( E3 E3 + E2 ) se obtiene un nuevo

sistema:

24

lgebra Lineal

x1 x2 + 2 x3 = 1

x2 + x3 = 0 (3)
2x3 = -2

Este sistema es triangular y se puede resolver de forma simple. En la ltima ecuacin

podemos despejar x3=-1. Sustituyendo este valor en la segunda ecuacin se obtiene
x2=1. Finalmente sustituyendo los valores de x2 y x3 en la primera ecuacin se obtiene
que x1 = 4.
Nota: podramos haber hecho una transformacin ms sobre la ltima ecuacin, para
conseguir que el coeficiente de x3 sea 1 y as tener ya despejado el valor de x3. Aunque
esto suele hacerse, la verdadera ventaja ya la tenemos en el sistema (3), debido a su
forma en escalera.
x1 x2 + 2 x3 = 1

x2 + x3 = 0 (4)
x3 = -1

Mtodo de Gauss aplicado sobre la matriz ampliada del sistema de ecuaciones

En el ejemplo anterior puede observarse claramente que las operaciones que se realizan
para obtener sistemas equivalentes son operaciones sobre los coeficientes del sistema y
los trminos independientes. Podemos por lo tanto trabajar sin arrastrar a lo largo de
todo el proceso el nombre de las incgnitas, que no se ve afectado en las sucesivas
operaciones. As, se suele operar, no sobre el sistema directamente, sino sobre la matriz
de coeficientes y la de trminos independientes; en realidad se trabaja sobre la matriz
ampliada, que almacena dentro coeficientes y trminos independientes.
Las transformaciones de los tipos 1 a 3 indicadas anteriormente, cuando se realizan
sobre las filas de una matriz reciben el nombre de transformaciones elementales. As
pues el mtodo de Gauss consiste en, dada la matriz ampliada de un sistema realizar
sobre ella transformaciones elementales hasta llegar a su forma escalonada, sobre la que
se podr discutir fcilmente la existencia de solucin del sistema y en caso de existir
sta, hallarla.
As, en el ejemplo anterior se tendra:
1 1 2 x1 1

1 2 1 x2 = 1
1 2 1 x 3

3
A

forma matricial del sistema

25

lgebra Lineal

1 1 2 1

1 2 1 1
1 2 1 3

matriz ampliada

(A | b)

Sumando a la segunda fila la primera ( F2 F2 F1 ) :

F1
GG 0
H1

1
1

2
1

2 1

I
JJ
3K

1
0

Restando a la tercera fila la primera ( F3 F3 F1 ) :

F1
GG 0
H0

I
JJ
K

1 2 1
1 1 0
1 3 2

Sumando a la tercera fila la segunda ( F3 F3 + F2 ) :

1 1 2 1

0 1 1 0
0 0 2 2

Podemos hacer una ltima operacin, multiplicando por

1
1
la tercera fila ( F3 F3 ) :
2
2

1 1 2 1

0 1 1 0
0 0 1 1

Las dos ltimas matrices son las matrices ampliadas de los sistemas (3) y (4),
respectivamente, que escribiramos ahora:

U|
=0V
|
= -1 |W

x 1 x 2 + 2x 3 = 1
x2 + x3
x3

y procederamos a resolver por sustitucin regresiva.

Veamos otro ejemplo. Sea el sistema:
+ 10 x3 = 5

3x1 + x2 4 x3 = 1
4 x1 + x2 + 6 x3 = 1
x1

26

lgebra Lineal

Trabajando a partir de la matriz ampliada del sistema obtenemos:

5
5
1 0 10 5 F2 F2 3F1 1 0 10
1 0 10

F3 F3 4F1
F3 F3 F2

0 1 34 16
3 1 4 1 0 1 34 16

3
4 1 6 1
0 1 34 19
0 0 0

que nos permite escribir un sistema de ecuaciones equivalente al original pero ms

sencillo de discutir y, en su caso, resolver :
+ 10 x3 =

x1
x2

34 x3 = 16
0 x3 = - 3

Se aprecia de forma inmediata que la tercera ecuacin convierte al sistema en

incompatible al no ser posible encontrar ningn valor de x1, x2 y x3 tales que se verifique
que 0 x1 + 0 x2 + 0 x3 = -3
2.4.-

Discusin de la existencia de solucin: Teorema de Rouch-Frobenius

Teorema de Rouch-Frobenius:
Dado un sistema de ecuaciones lineales de m ecuaciones con n incgnitas: A x = b
- si rango(A) rango(A|b)

entonces el sistema es incompatible

- si rango(A)= rango(A|b)=n

entonces el sistema es compatible determinado

- si rango(A)= rango(A|b)<n

entonces el sistema es compatible indeterminado

Para aplicar este teorema es necesario calcular el rango de dos matrices. Esto puede
hacerse como se ha explicado en el apartado 1.5.2, es decir, tomamos las matrices y
vamos extrayendo los menores, empezando por el orden mayor, hasta encontrar uno no
nulo. Pero como ya se indic tambin all este proceso es muy laborioso por lo que no
suele utilizarse y, sobre todo, no tiene ningn sentido utilizarlo cuando vamos a resolver
el sistema por el mtodo de Gauss. En su lugar es conveniente hacer uso de lo siguiente:
puede demostrarse que las transformaciones elementales realizadas sobre una matriz (es
decir, las que hacemos para resolver por el mtodo de Gauss) no alteran la dimensin
(esto se ve claramente) ni el rango de la matriz original (esto no es tan evidente). Esto
significa que las sucesivas matrices que vamos obteniendo en el proceso de Gauss
tienen el mismo rango que la original; en concreto, la forma escalonada que obtenemos
al final del proceso tiene el mismo rango que la matriz original, pero tiene la ventaja de
que en ella el rango se ve a ojo (o si se pretende calcular buscando menores el proceso
es muy sencillo).
Cuando una matriz est en forma escalonada el rango coincide con el nmero de
escalones (o filas en las que hay algn elemento no nulo). As si en la matriz escalonada
27

lgebra Lineal

de un sistema de m ecuaciones con n incgnitas llamamos p al nmero de escalones de

la parte correspondiente a la matriz de los coeficientes (para verlos no tenemos ms que
tapar la parte correspondiente a b, trmino independiente) y llamamos q al nmero de
escalones de la matriz ampliada, podemos reenunciar el teorema de Rouch de la
siguiente manera:
- si p q

el sistema es incompatible

- si p = q = n el sistema es compatible determinado

- si p = q < n el sistema es compatible indeterminado
3.- EJERCICIOS PROPUESTOS

PROBLEMAS BSICOS DE MATRICES

1- Indica de qu tipo son las siguientes matrices
a) (1 0 3)

2
b)
4

2 0 0
e) 0 9 0
0 0 3

2 0 0
f) 0 2 0

0 0 2

2- Escribe:

2 3 1
c)

4 0 9

2 4 3
g) 0 9 0
0 0 3

a) la matriz unidad de orden 3

7
2 3 2i

4 5 3i

3- Si A =
5

2 4 3
d) 1 9 0
5 9 3

1 0 0
h) 1 4 0
5 9 3

b) la matriz nula de 2x3

1
2
y B=
, d si son ciertas las siguientes
2+i 3

afirmaciones:
a) A y B son equidimensionales

b) A y B son matrices reales

4- Indica cunto tienen que valer x e y para que A y B sean iguales, siendo:
x 2 3
2 2 3
, B =

3 0 2
3 y 2

a) A =

x 2 3
2 2 3
, B =

0 2
x y 2

b) A =
3

2 3 7

5 4 5

5- Si A =

2 1
B=
, para cada una de ellas calcula (si es posible) su
2 3

opuesta, su traspuesta y la traza de la matriz.

28

lgebra Lineal

6- Escribe una matriz simtrica y una antisimtrica de orden 3

7- Dadas las matrices:
2 x
y 2
2 2 3
A=
, B =
, C =
, calcular si es posible:
3 4
3 1
4 1 2

a) A+B b) A+C c) AB d)BA e) AC f) CA g)2A

h) -2C i) A2

j) C3

8- Comprueba que A+B=B+A (propiedad conmutativa de la suma de matrices):

1 0 4
2 1 2
, B =

2 3 3
1 0 0

a) siendo A y B: A =

b) siendo A y B dos matrices cualesquiera (es decir, genricas de orden mxn):

a11

a
A = 21
...

am1

a12
a22
...
am 2

... a1n
b11 b12

... a2 n
b
b22
, B = 21
...
... ...
...

... amn
bm1 bm2

... b1n

... b2n
... ...

... bmn

9- Comprueba que la Traza(A+B)=Traza(B+A)

1 2

1 1

a) siendo A y B: A =
, B =

3 4
2 2
b) siendo A y B dos matrices cuadradas cualesquiera (es decir, genricas de orden n)
10- Para qu valores de k A y B son permutables?
3 2
4 2
y B=
.
1
3 k

a) Siendo A =
3

3 2
4 2
y B=
.
1
3 k

b) Siendo A =
1

1 2

3 8
5 2
y C=
. Comprobar que AB = AC siendo
3
1 2

11- Sean A =
, B=
3 6
2
B C.

3 2
. Encontrar el conjunto de las matrices B22 tales que AB = (0).
1

12- Sea A =
1

13- Comprobar si son permutables las matrices A y B:

29

lgebra Lineal

2 0 0
2 0 0

a) siendo A y B: A = 0 3 0 , B = 0 1 0
0 0 2
0 0 2

b) siendo A y B dos matrices diagonales cualesquiera de orden n.

14- Dada A, calcular A2, A3, A4:
2 0 0
a) siendo A : A = 0 3 0
0 0 2

b) siendo A una matriz diagonal cualquiera de orden n. Cmo crees que quedara en
este caso An?
1 2
8 4
y B=
:
3 4
7 5

15- Dadas A =

a) calcular AB, (AB)t, AtBt y BtAt

b) con los resultados anteriores comprobar que se cumplen las propiedades de las
matrices traspuestas.
2 3 0
16- Dada A = 1 4 3 :
2 2 2

a) Comprueba que A+At es simtrica.

b) Comprueba que A-At es antisimtrica.
c) Comprueba las dos propiedades anteriores para una matriz cuadrada cualquiera (es
decir, genrica) de orden n.
DETERMINANTES
1

4
17- Sea A =
3

3
6
6
6

7 9

9 3
. Obtener de ella (sin calcular sus valores): a) un menor de
4 0

3 1

orden 4, b) dos menores de orden 3, c) 2 menores de orden 2, d) 2 menores de

orden 1, e) los menores principales de todos los rdenes posibles, f) el menor
asociado al elemento a11 y el adjunto del elemento a11, g) el menor asociado al
elemento a23 y el adjunto del elemento a23, h) el menor asociado al elemento a44 y
el adjunto del elemento a44

30

lgebra Lineal

18- Calcular el valor de los siguientes determinantes:

a) A =

1 2 3
b) B = 4 5 6
7 8 9

1 2
3 4

19- Calcular el valor de los siguientes determinantes:

1
2
a) A =
2
1

3
8
4
3

4
6
5
4

2
4
3
2

1 3 2
b) B = 0 0 0
2 2 1

3
1
20- Calcular el valor del siguiente determinante: A =
0
6

5
0
4
1

2
2
0
2

4
3
1
3

a) desarrollando por los elementos de la 1 fila

b) desarrollando por los elementos de la 2 fila
c) desarrollando por los elementos de la 3 fila
d) desarrollando por los elementos de la 4 columna
e) desarrollando por los elementos de la 1 columna
21- Calcular los siguientes determinantes (tranformndolos previamente en otros ms
sencillos: triangulares)
1 5 6
a) A = 1 4 4
2 7 9

1 1 3
0 1 5
b) B =
1 2 8
3 1 2

0
4
5
3

1 3
2 5
c) C =
3 5
1 1

0 2
7 4
2 1
2 3

1 3 1 0 2
0 2 4 1 6
e) D = 2 6 2 3 9
3 7 3 8 7
3 5 5 2 7

22- Para la matriz A del apartado anterior calcular: a) |A5|, b) |2A|, c) |A-1|, d) el
determinante de una matriz obtenida cambiando la segunda fila de A por: (2 8 -8).
23- Para las matrices B y C del ejercicio 21, calcular |BC|
31

lgebra Lineal

CLCULO DEL RANGO E INVERSAS

24- Calcular el rango de las siguientes matrices e indicar si son regulares o singulares.
1 2
a) A =

3 4

b)

1 2
B=

2 4

1 -7 5
c) C= 1 -4 -1
-2 8 -3

0 2 5
d) D = 2 0 7
1 3 4

1 3 5
1 3 0 1
5 0 3
1 4 2

0 1 2 1
0 2 3
h) H =
e) E = 7 0 2 f) F = 2 7 3 g) G =
0 4 7
2 6 3 2
9 0 1
1 7 5

3 5 8 3
1 5 8

25- Calcular el valor de a para que A sea regular:

1 1 1
a) A = 1 2 0
1 2 a

1 1 1
b) A = 1 2 2
a 2 3

26- Calcular la inversa de las siguientes matrices:

3 8
a) A =

1 3

a b
b) B =

c d

c) (A.B)

-1

1 2 0
d) D = 1 3 3
0 1 1

1 3 0 1

0 1 2 1
e) E =
2 6 3 2

3 5 8 3

SISTEMAS DE ECUACIONES LINEALES

27- Dados los siguientes sistemas de ecuaciones:
y 4z + t = 0
x 5 y 4z = 0
x + y + z + t = 2

x 6 y = 5

a) x + 6 y + 6 z = 3 b)
c) x + 2 y + z + 2t = 3
2 x + 6 y + 3z = 7
x + 6 y + z + 5t = 3
x + 2 y + z + 3t = 2

y + 5 z + 4t = 0

i) decir si tienen forma escalonada, ii) escribirlos en forma matricial e identificar las
matrices de los coeficientes, de los trminos independientes, de incgnitas y la
matriz ampliada del sistema, iii) clasificarlos y resolverlos(todo ello por el mtodo
de Gauss)
28- Calcular el valor de a para que los siguientes sistemas sean equivalentes:

32

lgebra Lineal

x + y + z = 2

2 x = 2
x + 2 y = 3

x = 1

2 x + 3 y + z = 5
3 x + 2 y = a

29- Discutir el carcter de los siguientes sistemas en funcin del parmetro , y

resolverlos cuando sea posible, todo ello mediante el mtodo de Gauss:
x +2 y + z = 2

a) 2 x y +3z = 2
4 x 2 y + z = 6

x + y + z =
2 x = 2

d)
x + 2 y + 2z = 5
x + 2 y = 3

x + y z = 1

b) 2 x +3 y + z = 3
x +2 y +3z = 2

2 x 2 y = 1

c) 2 x + 12 y 10 z = 3
10 y 10 z =

x y + 2 z = 5
x + 3z t = 2
x + 2 y + z = 1

e) y + 5 z = 7
f)
2
2 x y + z 2t =
2 x 10 y + z = 3 14

6 x + 9 y + ( + 7) z = 3

30- Considrese un sistema cuya matriz ampliada es de la siguiente forma:

1 2 1

2 5 3
1 1

0
0

a) Es posible que el sistema sea incompatible? Explicar por qu.

b) Para qu valores de este sistema tendr infinitas soluciones?
31- Dado el siguiente sistema de ecuaciones lineales indicar para que valores de a tiene
solucin y en esos casos resolverlo mediante el mtodo de Gauss.
1
1 x1 0
1 0

1
1 x2 0
2 2

=
8 6 5 + a a x3 0

2
0 x4 0
3 2

4.- SOLUCIONES DE LOS EJERCICIOS PROPUESTOS

PROBLEMAS BSICOS DE MATRICES

1- a) fila b) columna c) rectangular d) cuadrada e) diagonal f) escalar
g) triangular superior h) triangular inferior
1 0 0
2- a) 0 1 0
0 0 1

0 0 0

b)

0 0 0

33

lgebra Lineal

3- a) falso

b) falso

4- a) x=2; y=0

b) es imposible que sean iguales

2 5
2 3 7

t
5- a) -A =
, A = 3 4 . El concepto de traza slo se define para

5
4

7 5

matrices cuadradas.
2

t
b) -B =
, B =
, Traza (B)=5

2
3

1 3

2 1 0
6- Por ejemplo: 1 3 4 es simtrica.
0 4 2

2 y

7- a)
6

x + 2

2 y + 3x 4 + x

10

b) No es posible c)
3 y + 12

4 + 4x 4 + x 6 + 2x

10
17

e)
22

4 + 3x

i)
18

16 + 3x
6x

0 1 0

1 0 4 es antisimtrica
0 4 0

4 2x

f) No es posible g)
6

6 2 y 8 xy

4 + 3x
9

d)

4 4 6

h)

8 2 4

j) No es posible

10- a) k=6
b) no hay valores de k que hagan que estas matrices conmuten.
t + 2z 2z
z , t
t
z

12- B =

13- a) S lo son.
b) S lo son. Obtenemos la conclusin de que las matrices diagonales (de cualquier
orden) conmutan.
4 0 0
8 0 0
16 0 0

3
4
14- a) A = 0 9 0 , A = 0 27 0 , A = 0 81 0
0 0 4
0 0 8
0 0 16

34

lgebra Lineal

a11

0
b) A = 0

a113

0
3
A = 0

a11n

0
n
A = 0

0
a22
0

0
0
a33

a112

2
, A = 0

0
ann

0
0
0

a223

a333

0
a22

a33n

22 14
,
8

15- a) A.B =
4

a22 2

a332

ann 2

a22 4

a334

ann 4

ann n

a114
0

0
0
, A4 =
0
0

0
ann 3

0
n

( A.B )

22 4
20 22
22 4
t
t
t
t
=
, A .B =
, B .A =

8
6
8
14
0
14

b) Se observa que, efectivamente, (AB)t=BtAt

18- a) -2

b) 0

19- a) 0 (por tener dos filas iguales)

b) 0 (por tener una fila de ceros)

20- |A|=-6
21- a) 3

b) 3

c) 0

d) 24

22- Aplicando propiedades de los determinantes:

a) |A5|=35

b) |2A|=2.2.2.3=24

c) |A-1|=

1
3

d) -2.3=-6

23- Por las propiedades de los determinantes: |BC|=3.0=0

24- a) 2 (regular) b) 1 (singular) c) 3 (regular) d) 2 (singular) e) 2 (singular)
f) 2 (singular) g) 4 (regular)
matrices cuadradas)

h) 3 (la definicin de regular o singular se aplica a

35

lgebra Lineal

25- a) A es regular a 0
3 8

1 3

26- a) A 1 =

b) A es regular a

b) B-1 =

d b
1

ad bc c a

1
d) D 1 =
2
1

3d b 8d 3b

3c + a 8c + 3a

c) (AB)-1=B-1A-1=

9
2

25

e) E 1 = 12
2
3
3

1 2
0
0
1

2
3
1
3
0

1
1
2
1

1
2

1

4

SISTEMAS DE ECUACIONES
27- Ninguno de los sistemas est en forma escalonada.
1
a) SCD: x =-5, y = ,
3
b) SI

z =-

5
3

c) SCI: x =1-z, y =2, t =-1 z

28- a= 5. La solucin del sistema es: x=1, y=1, z=0.

29- a) si =2 SI
2 3 11
,
5 6

si 2 SCD: x =

y=

2 7

,
5 6

z=

b) si =2 SCI: x = 5 z , y = 1 4 z z
si 2 SCD: x = 0, y = 1, z = 0
c) si =2 SCI: x =

1
(3 + 10 z ),
10

1
y = (1 + 5 z ) z
5

si 2 SI
d) si =2 SCD: x = 1, y = 0, z = 1

36

2
6

3

2
5
2

lgebra Lineal

si 2 SI
e) si =3 SCI: x = 2 3z + t , y = 7 5 z t , z
si 3 SI
f) si =0 SCI: x =

21 5 z
,
3

y=

6+ z
3

si =1 SCD: x = 12, y = 1, z = 3
si 0 y 1 SI
30- a) No es posible que no tenga solucin ya que al ser un sistema homogneo siempre
existir al menos la solucin trivial (todas las incgnitas con valor igual a cero).
b) para =2.
31- El sistema tiene solucin siempre, por ser homogneo. Adems, a rango(A)=3<4
(n incgnitas) el sistema tendr infinitas soluciones:
x1 =

2a + 1
x4 ,
a

x2 =

4a + 1
x4 ,
a

x3 =

a 1
x4
a

x4

37