Escuela de Ciencias

Departamento de Ciencias Matemáticas

Matemáticas 3 CM0218
Matrices y sistemas de ecuaciones lineales

1. Matrices. Definición y operaciones elementales.

Una matriz A es un arreglo rectangular de m × n números reales, distribuidos en m filas y n columnas, es

decir:  
a11 . . . a1 j . . . a1n
 .. .. .. 
 . . . 
A =  ai1 . . . ai j . . . ain 
 
 . .. .. 
 .. . . 
am1 . . . am j . . . amn m×n
o en forma abreviada A = (ai j )m×n , donde cada número real ai j es la componente (o entrada) de la matriz
ubicada en la fila i y en la columna j.
Por Mm×n , se denotará el conjunto de todas la matrices de tamaño (u orden) m × n.

Ejemplo.  
  2.4 1
−2 1.2 2  0 1 
A= B= 
0 0.5 −1 2×3
 −1 1 
0.2 1 4×2

Algunos tipos de matrices

Matriz nula: una matriz de orden m × n en la cual ai j = 0 para todos i, j se denomina matriz nula, y se
denota por Om×n o simplemente O, ejemplo:
   
0 0 0 0 0
O3×3 =  0 0 0  O3×2 =  0 0 
0 0 0 0 0

Matriz cuadrada: una matriz es cuadrada si tiene igual número de filas que de columnas. Ejemplos:
 
1 −2 0  
1 −3
A= 0 3 −2  B=
0 2 2×2
−1 1 2 3×3

Para toda matriz cuadrada A la diagonal formada por las componentes a11 , a22 , . . . , aii , . . . , ann se denomina
diagonal principal de A, o simplemente diagonal de A.

Matriz diagonal: una matriz cuadrada, A ∈ Mn×n , es una matriz diagonal si y solo si ai j = 0 siempre que
i 6= j. Ejemplos:  
1 0 0  
1 0
A= 0 3
 0  B=
0 −1
0 0 −1

1
Matriz identidad: es toda matriz diagonal tal que aii = 1 para i = 1, 2, . . . , n, y se denota por In . Ejemplos:
 
1 0 0  
1 0
I3 = 0 1 0
  I2 =
0 1
0 0 1

Matriz triangular superior: Una matriz cuadrada, A ∈ Mn×n , es triangular superior si ai j = 0 para todo
i > j, es decir las componentes por debajo de la diagonal son iguales a 0. Ejemplos:
 
1 3 2  
1 2
A = 0 0 −1
  B=
0 −5
0 0 4

Matriz triangular inferior: Una matriz cuadrada, A ∈ Mn×n , es triangular inferior si ai j = 0 para todo
i < j, es decir las componentes por encima de la diagonal son nulas. Ejemplos:
 
7 0 0  
1 0
A =  3 −2 0  B =
−2 −5
0 −1 4

Igualdad de matrices: dos matrices A = (ai j ) y B = (bi j ) en Mm×n son iguales, y escribimos A = B, si
ai j = bi j para todos i = 1, ..., m y j = 1, ..., n.
   
1 2 3 1 3 2
A= 4 5 6  B= 4 5 6 
7 8 9 7 8 9

Las matrices A y B no son iguales, pues aunque tienen el mismo orden 3 × 3 y sus componentes son los
números del 1 al 9, a12 = 2 y b12 = 3 y 2 6= 3

1.1. Operaciones con matrices

1.1.1. Suma de matrices.

Sean A = (ai j ) y B = (bi j ) en Mm×n . La matriz C = (ci j )m×n en la cual ci j = ai j + bi j para cada i ∈ 1, ..., m
y cada j ∈ 1, ..., n, se denomina la matriz suma de A y B, y se escribe C = A + B.

Ejemplos: Suma de matrices

1) Sean    
3 2 1 −1 0 1
A= B=
4 5 6 2×3
−5 2 6 2×3
entonces la matriz suma C = A + B es
   
3 + (−1) 2 + 0 1 + 1 2 2 2
C= =
4 + (−5) 5 + 2 6 + 6 2×3 −1 7 12 2×3

2
 2) Sean    
1 0 0 −1 −1 2
A =  −1 5 0  B= 0 5 5 
2 5 0 3×3 0 −1 5 3×3
entonces la matriz suma C = A + B es
   
1 + (−1) 0 + (−1) 0 + 2 0 −1 2
C =  −1 + 0 5+5 0+5  =  −1 10 5 
2+0 5 + (−1) 0 + 5 3×3 2 4 5 3×3

Propiedades de la suma: sean A = (ai j ), B = (bi j ) y C = (ci j ) en Mm×n , entonces

A + B ∈ Mm×n (Clausurativa)

A + B = B + A (Conmutativa)

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

A + Om×n = A (Modulativa, elemento neutro)

Si A = (ai j ), la matriz −A = (−ai j ) en Mm×n , es tal que A + (−A) = Om×n . La matriz −A = (−ai j )
se denomina matriz opuesta de A.

   
0 −1 2 0 1 −2
Ejemplo. Si A =  −1 10 5  entonces la matriz opuesta de A es −A =  1 −10 −5 
2 4 5 −2 −4 −5

1.1.2. Producto de una matriz por un escalar (número real).

Sean A = (ai j ) ∈ Mm×n y α ∈ R un escalar (número real). El producto de α por A es la matriz m × n,
denotada por αA, cuyo elemento en la posición (i, j) es αai j , es decir:

αA = (αai j )m×n

Ejemplos: Producto de una matriz por un escalar

1) Sean  
3 2 1
A= α=4
4 5 6 2×3
entonces producto de la matriz A por el escalar 4 es:
   
4(3) 4(2) 4(1) 12 8 4
4A = =
4(4) 4(5) 4(6) 2×3 16 20 24 2×3

3
 2) Sean  
1 0 0
B =  −1 5 0  α = −6
2 5 0 3×3
entonces producto de la matriz B por el escalar −6 es:
   
−6(1) −6(0) −6(0) −6 0 0
−6B =  −6(−1) −6(5) −6(0)  = 6 −30 0 
−6(2) −6(5) −6(0) 3×3 −12 −30 0 3×3

Propiedades del producto de una matriz por un escalar: Para todos A = (ai j ), B = (bi j ) y C = (ci j ) en
Mm×n , y α, β ∈ R, se tiene que:

αA ∈ Mm×n (Clausurativa)

α(βA) = (αβ)A (Asociativa)

α(A + B) = αA + αB (Distributiva)

(α + β)A = αA + βA (Distributiva)

1A = A (Elemento neutro del producto por escalar)

1.1.3. Multiplicación de matrices

La multiplicación de una  1 × m, (o vector fila), A = [a1 a2 ... am ], por una matriz m × 1, (o
 matriz
b1
 b2 
vector columna), B =  ..  se define como:
 
 . 
bm
 
b1
 b2 
AB = [a1 a2 ... am ]   = [a1 b1 + a2 b2 + ... + am bm ]
 
..
 . 
bm

Ejemplo: 
2
   −1 
1 3 4 −5  6  = [1(2) + 3(−1) + 4(6) + (−5)(−2)] = [33]


−2

Nota: Observar que en general el resultado de la multiplicación de un vector fila por un vector columna una
matriz 1 × 1, y en algunos casos se considera como resultado el número real a1 b1 + a2 b2 + ... + am bm , que
en el ejemplo fue el número 33.

4
 La multiplicación de una matriz m × n por una matriz n × p

Sea A = (ai j )m×n y B = (bi j )n×p , la multiplicación C = AB es una matriz de orden m× p, C = (ci j )m×p ,
tal que si A(i) representa la fila i de A y B( j) representa la columna j de B, entonces el elemento ci j de
la matriz C, es se obtiene de multiplicar la matriz A(i) por B( j) , es decir,

ci j = A(i) B( j)

y por tanto cada componente ci j de la matriz C = AB se puede obtener en términos de los elementos
de A y B como:

n
ci j = ai1 b1 j + ai2 b2 j + ai3 b3 j + · · · + ain bn j = ∑ aik bk j
k=1
para i = 1, . . . , m y j = 1, . . . , p

 
  1 2
1 2 3
Ejemplo: sean A = y B =  3 4  , entonces
0 1 −1 2×3
5 6 3×2
   
1(1) + 2(3) + 3(5) 1(2) + 2(4) + 3(6) 22 28
AB = =
0(1) + 1(3) + (−1)5 0(2) + 1(4) + (−1)6 −2 −2 2×2

Nota. La multiplicación de matrices no es conmutativa, es decir si el producto AB está definido es posible

que el producto BA no esté definido o que AB 6=BA. 
1 2  
1 2 3
Para las matrices del ejemplo anterior, con B =  3 4  y A=
0 1 −1 2×3
5 6 3×2
   
1(1) + 2(0) 1(2) + 2(1) 1(3) + 2(−1) 1 4 1
BA = 3(1) + 4(0)
 3(2) + 4(1) 3(3) + 4(−1)  =  3 10 5 
5(1) + 6(0) 5(2) + 6(1) 5(3) + 6(−1) 5 16 9 3×3
Ejemplo.

Matrices cuadradas que no conmutan

    
1 2 1 1 1 3
=
0 −1 0 1 0 −1
    
1 1 1 2 1 1
=
0 1 0 −1 0 −1

Matrices cuadradas que conmutan:

    
1 2 2 1 2 3
=
0 −1 0 1 0 −1
    
2 1 1 2 2 3
=
0 1 0 −1 0 −1

5
 Matrices cuadradas distintas de la matriz nula y cuyo multiplicación es la matriz nula
    
0 2 3 −4 0 0
=
0 −1 0 0 0 0

Propiedades de la multiplicación de matrices:

Sean A, B y C matrices con componentes en R y λ ∈ R, bajo el supuesto de que las operaciones que aparecen
en cada propiedad están definidas, se tiene que:

(AB)C = A(BC)

A(B +C) = AB + AC

(B +C)A = BA +CA

Si A es n × m, AOm×p = On×p y Oq×n A = Oq×m

λ(AB) = (λA)B = A(λB)

Sea In la matriz identidad de orden n, es decir

 
1 0 ... 0
 0 1 ... 0  
Im A = A si A es m × n
In =  .. .. . . ..  entonces
 
 . . . .  BIn = B si B es q × n
0 0 ... 1

1.2. Transpuesta de una matriz.

T


Sea A = ai j una matriz m × n, la transpuesta de A, que se denotará por
A , es la matriz de
tamaño n × m,
T
cuyas columnas se forman a partir de las filas de A, es decir si A = ai j , entonces A = a ji .

Ejemplos:  
  1 4
1 2 3
Para A = , se tiene que AT =  2 5 
4 5 6
3 6
   
1 −1 0 1 8 −3
Para B =  8 −2 6 , se tiene que BT =  −1 −2 5 
−3 5 7 0 6 7

Propiedades de la transpuesta: sean A y B matrices, y λ ∈ R un escalar, bajo el supuesto de que las

operaciones que aparecen en cada propiedad están definidas, se tiene que:

(AT )T = A

(A + B)T = AT + BT

(λA)T = λAT

6
 (AB)T = BT AT

   
−1 3 −1 3 0
Ejemplo: Si A = yB= , entonces
2 5 2 1 −2
 
  −1 2  
−1 2 7 0 −6
AT = T
, B =  3 1 , AB =
 y
3 5 8 11 −10
0 −2
   
−1 2   7 8
−1 2
BT AT =  3 1  = 0 11  = (AB)T
3 5
0 −2 −6 −10

Sea A = ai j una matriz cuadrada, n × n.

Si AT = A, se dice que A es simétrica, y en este caso ai j = a ji para todos i, j ∈ 1, ..., n

Si AT = −A, se dice que A es antisimétrica, y en este caso ai j = −a ji para todos i, j ∈ 1, ..., n, y por
consiguiente si i = j, aii = 0.

 
3 1 −2
Ejemplos: 1) A =  1 0 4  es simétrica.
−2 4 5
 
0 1 −2 3
 −1 0 −4 −8 
2) B = 
 2
 es antisimétrica.
4 0 9 
−3 8 −9 0
 
  3 1
3 5 −8
Ejemplo: Sean A = y At =  5 2 
1 2 4
−8 4
T T
Verificar que AA y A A son matrices simétricas.
 
  3 1  
T 3 5 −8  98 −19
AA = 5 2 =

1 2 4 −19 21
−8 4
   
3 1   10 17 −20
T 3 5 −8
A A=  5 2  =  17 29 −32 
1 2 4
−8 4 −20 −32 80

1.3. Determinante de una matriz por cofactores.

Sea A una matriz n × n, el determinante A es un número asociado a la matriz, que se denota por det A o
también por |A|, y se puede calcular de la siguiente forma:

7
  
a b
Si A un matriz 2 × 2, A = entonces
c d

det A = ad − bc
Si A una matriz n × n, denotamos por Mi j la submatriz de A de orden (n − 1) × (n − 1) que se obtiene
al eliminar la fila i y la columna j de A.

Se define el cofactor i j de A, denotado por Ci j al valor

Ci j = (−1)i+ j det Mi j

Utilizando los cofactores se puede calcular el determinante de A por el desarrollo de los cofactores
de la i-ésima fila:
det A = ai1Ci1 + ai2Ci2 + ... + ainCin
o por el desarrollo de los cofactores de la j-ésima columna:
det A = a1 jC1 j + a2 jC2 j + ... + an jCn j
 
2 3
Ejemplo: Sea A = , entonces det A = 2(−5) − 3(4) = −22
4 −5
 
2 −1 0
Ejemplo: Sea A =  1 −2 3  calcular el determinante de A usando cofactores por la primera fila
−1 0 1
     
1+1 −2 3 1+2 1 3 1+3 1 −2
det A = 2(−1) det + (−1)(−1) det + 0(−1) det
0 1 −1 1 −1 0
= 2(−2) + 1(1 + 3) + 0 = −4 + 4 = 0

Ejemplo: Dada la siguiente matriz, verificar que det A = 12 usando desarrollo por cofactores de la primera
fila:  
1 0 2 1
 2 −1 1 0 
A=
1 0 0 3 
−1 0 2 1
     
−1 1 0 2 −1 0 2 −1 1
det A = 1(−1)1+1 det  0 0 3  +0 + 2(−1)1+3 det  1 0 3  +1(−1)1+4 det  1 0 0 
0 2 1 −1 0 1 −1 0 2
| {z } | {z } | {z }
cálculo por la fila 2 cálculo por la columna 2 cálculo por la fila 2

      
2 −1 1
2+3 4 1+2 1 3
= 1(−1) 0 + 3(−1) det + 2(−1) (−1)(−1) det +0
0 2 −1 1
   
−1 1
+ 1(−1)5 1(−1)2+1 det +0
0 2

= 1 3(−1)5 (−2) + 2 (−1)4 (1 + 3) + (−1) 1(−1)3 (−2)

  

= 6 + 8 − 2 = 12

8
Algunas propiedades del determinante.

det A = det AT

Si A es una matriz diagonal, triangular superior o triangular inferior, entonces det A = a11 a22 ...ann

Si A y B son matrices n × n, entonces

det(AB) = det A det B

Si A ∈ Mn×n tiene una fila nula (o columna nula), entonces det A = 0

Si A tiene dos filas (o columnas) iguales, entonces det A = 0

Para k ∈ R, det(kA) = kn det A

2. Operaciones elementales fila y Matrices equivalentes.

Se denominan operaciones elementales fila sobre una matriz las siguientes:

Intercambio de dos filas.

Notación Fi ↔ Fj : la fila i cambia de posición con la fila j.
   
2 −5 7 1 −3 4
F1 ↔F3
 0 −1 −1  −
−−−→  0 −1 −1 
1 −3 4 2 −5 7

Multiplicar una fila por un número distinto de cero.

Notación cFi : la fila i se multiplica por un escalar c 6= 0.
   
2 −10 0 1
( 2 )F1 1 −5 0
 0 −1 −1  −− −→  0 −1 −1 
1 −3 4 1 −3 4

Sumar a una fila un múltiplo de otra fila.

Notación Fi + cFj : a la fila i se le suma c veces la fila j, y la fila i cambia.
   
1 −3 4 1 −3 4
F3 +(−3)F1
 0 −1 −1  −−−−−−→  0 −1 −1 
3 −3 4 0 6 −8

9
Matrices equivalentes: Dos matrices A y B son equivalentes por filas, si es posible obtener la matriz B de
la matriz A por medio de la aplicación de un número finito de operaciones elementales sobre las filas de la
matriz A.

Ejemplo. Las siguientes matrices son equivalentes.

   
1 −3 4 1 0 1
A =  2 −5 7  y B =  0 1 −1 
0 −1 −1 0 0 1
Se incluye en la verificación la notación de la operación elemental aplicada en cada caso. Se resalta en color
la fila que cambia al aplicar la operación indicada con el mismo color.
Observar que todas las matrices en el proceso de obtener la matriz B a partir de la matriz A son equivalentes
a la matriz A y a la matriz B.

       
1 −3 4 1 −3 4 1 0 1 1 1 0 1
F2 +(−2)F1 F1 +(3)F2 (− )F
2 3 
 2 −5 7  −−−−−−→  0 1 −1  −−−−−→  0 1 −1  −−− −→ 0 1 −1 
F3 +F2
0 −1 −1 0 −1 −1 0 0 −2 0 0 1

Matriz escalonada reducida

Una matriz A de tamaño m × n está en la forma escalonada reducida si satisface las siguientes condiciones:

Todas las filas nulas de A, si las hay, están debajo de las filas no nulas (parte inferior de la matriz).

El primer número diferente de cero (comenzando por la izquierda) en cualquier fila cuyos elementos
no todos son cero es 1. El número 1 se denomina pivote para esa fila.

El pivote en cualquier fila está a la derecha del pivote de la fila anterior.

Cualquier columna que contiene el pivote de una fila tiene ceros en el resto de sus elementos.

Si la matriz cumple solo las tres primeras condiciones se dice que la matriz está en la forma escalonada

Ejemplo.

Matrices en forma escalonada

   
1 −2 3 4 −6 1 0 0 4
 0 1 0 1 3   0 1 3 1 
A=  B= 
 0 0 0 1 −1   0 0 0 1 
0 0 0 0 1 0 0 0 0

Matrices en forma escalonada reducida

   
1 0 3 0 0 1 0 0 0
 0 1 0 0 0   0 1 3 0 
C=  0 0
 D= 
0 1 0   0 0 0 1 
0 0 0 0 1 0 0 0 0

10
Teorema. Toda matriz A de tamaño m × n es equivalente a una única matriz escalonada reducida. Además,
la matriz escalonada reducida se obtiene al aplicar una secuencia finita de operaciones elementales a la
matriz original.
Para las matrices del ejemplo anterior verificar que C es la forma escalonada reducida de A y D es la forma
escalonada reducida de B.
   
1 1 −1 2 1 0 −3 0
Ejemplo. La matriz escalonada reducida equivalente a la matriz  1 2 1 3  es  0 1 2 0 
1 1 −1 4 0 0 0 1
Aplicando operaciones elementales

       
1 1 −1 2 1 1 −1 2 1 0 −3 1 1 0 −3 0
F2 +(−1)F1 F1 +(−1)F2 F1 +(−1)F3
 1 2 1 3  −−−−−−→  0 1 2 1  −−−−−−→  0 1 2 1  −−−−−−→  0 1 2 0 
F3 +(−1)F1 1 F2 +(−1)F3
( 2 )F3
1 1 −1 4 0 0 0 2 0 0 0 1 0 0 0 1

Ejempo. Determinar los valores de k para que la forma escalonada reducida de la matriz A coincida con la
matriz identidad 3 × 3.
 
−k 1 0
A =  1 1 − k −1 
0 −1 −k
Solución: aplicando operaciones elementales a la matriz A, y evitando en lo posible divisiones por expre-
siones con k, se tiene:
     
−k 1 0 1 1 − k −1 1 1−k −1
F1 ↔F2 F2 +(k)F1
 1 1 − k −1  − −−−→  −k 1 0  −−−−−→  0 1 + k(1 − k) −k 
0 −1 −k 0 −1 −k 0 −1 −k
   
1 1−k −1 1 1−k −1
F ↔F2 (−1)F2
−−3−−→  0 −1 −k  −−−−→  0 1 k 
0 1 + k(1 − k) −k 0 1 + k(1 − k) −k
 
1 0 −1 − k(1 − k)
F1 −(1−k)F2
−−−−−−−−−−→  0 1 k 
F3 −(1+k(1−k))F2
0 0 −k − k[1 + k(1 − k)]
observar que para poner el pivote que hace falta en la última fila, y así conseguir la matriz identidad, se debe
de tener que la expresión −k − k[1 + k(1 − k)] sea distinta de cero. Factorizando dicha expresión, tomando
inicialmente como factor común a −k, se tiene:
−k − k[1 + k(1 − k)] = −k{1 + [1 + k(1 − k)]}
= −k{1 + [1 + k − k2 ]}
= −k{2 + k − k2 }
= k{k2 − k − 2}
= k(k − 2)(k + 1)
y por tanto −k − k[1 + k(1 − k)] 6= 0 siempre que k(k − 2)(k + 1) 6= 0, es decir siempre que
k 6= 0, k 6= 2 y k 6= −1

11
2.1. Matrices invertibles.

Sea A de n × n, una matriz cuadrada, se dice que A es invertible o no singular, si existe una matriz B de
n × n, tal que
AB = In = BA
Si tal matriz B existe se dice que es la matriz inversa de A y se denota por A−1 , es decir

AA−1 = In = A−1 A

Si una matriz A no tiene inversa se dice que es singular

Si A de n × n es invertible, entonces su matriz inversa es única, ya que si existen matrices B y C de orden

n × n tales que AB = In = BA y AC = In = CA, entonces

B = In B = (CA)B = C(AB) = CIn = C

Propiedades de las matrices invertibles: Sean A y B matrices de tamaño n × n invertibles y k un escalar,

k 6= 0, entonces:

A−1 es invertible y (A−1 )−1 = A

AB es invertible y (AB)−1 = B−1 A−1

kA es invertible y (kA)−1 = 1k A−1

AT es invertible y (AT )−1 = (A−1 )T

Nota: una matriz A de tamaño n×n es equivalente por filas a la matriz identidad In si y solo si A es invertible.

La demostración de estas propiedades se puede consultar en [1]

Ejemplo. Usar las propiedades de la matriz inversa para encontrar la inversa de una matriz B de tamaño
2 × 2, B−1 , sabiendo que:
   
−1 3 −2 12 3
(AB) = y A=
−1 5 −11 −2

Solución: De la igualdad (AB)−1 = B−1 A−1 se sigue que

(AB)−1 A = B−1 A−1 A (multiplicando ambos lados por A)

(AB)−1 A = B−1 I2 (A−1 A = I2 matriz identidad)
(AB)−1 A = B−1
y entonces     
−1 3 −2 12 3 58 13
B = =
−1 5 −11 −2 −67 −13

12
2.1.1. Algoritmo para calcular la inversa de una matriz usando operaciones elementales fila

Dada una matriz A de tamaño n × n para determinar la inversa de A, si existe, seguir los siguientes pasos:

1. Construir la matriz ampliada, de tamaño n × 2n, de A con la matriz identidad In :

[A| In ]

2. Aplicar operaciones elementales fila sobre la matriz [A| In ] hasta llevarla a la forma escalonada redu-
cida equivalente:
[C| D]

• Si C = In , entonces A es invertible (no singular) y A−1 = D

• Si C 6= In , entonces A es singular.

Ejemplo. Cálculo de la inversa de una matriz 2 × 2.

 
a b
A=
c d

Para la solución del ejercicio, se empieza por ampliar la matriz A con la matriz identidad, esto es:
  
a b  1 0
c d  0 1

En segundo lugar, se aplican las operaciones elementales fila para llevar la matriz [A| I2 ] a la forma escalo-
nada reducida, aplicando los cambios respectivos a la matriz identidad. Observar que una primera condición
para que exista la inversa es que a 6= 0 o c 6= 0, suponemos entonces a 6= 0.


1 ab  1a 0
    
a b  1 0 ( a1 )F1
−−−→
c d  0 1 c d  0 1
b
  1 
F2 +(−c)F1 1 a  ac 0

−−−−−−→
0 d − bc
a
 − 1
a

Ahora, si d − bc
a =
ad−bc
a 6= 0, es decir si det A = ad − bc 6= 0, se puede continuar con la reducción, así
1

1 ba 
a
 
ad−bc F2 a 0
−−−−→ c a
0 1  − ad−bc ad−bc

d b
  
F1 +(− ab )F2 1 0  −
−−−−−−→ ad−bc ad−bc
0 1  − c a
ad−bc ad−bc
En conclusión, siempre que ad − bc 6= 0
d b
     
−1 ad−bc − ad−bc
1 d −b 1 d −b
A = c a = =
− ad−bc ad−bc ad − bc −c a det A −c a

13
  
6 9
Ejemplo. Sea P = como det P = (−7)6 − 9(−4) = −6 entonces
−4 −7
 
−1 1 −7 −9
P =
−6 4 6

Ejemplo. Calcular de la inversa de la siguiente matriz, si existe.

 
1 2 −1
A= 0 1 1 
1 0 −1
Para la solución del ejercicio, se empieza por ampliar la matriz A con la matriz identidad, esto es:
  
1 2 −1  1 0 0
 0 1 1  0 1 0 
1 0 −1  0 0 1

En segundo lugar, se aplican las operaciones elementales fila para llevar la matriz [A| I3 ] a la forma escalo-
nada reducida, aplicando los cambios respectivos a la matriz identidad como sigue:

     
1 2 −1  1 0 0 1 2 −1  1 0 0
 F3 +(−1)F1 
 0 1 1  0 1 0 − −−−−−→  0 1 1  0 1 0 

1 0 −1  0 0 1 0 −2 0  −1 0 1

     
1 0 −3  1 −2 0 1 1 0 −3  1 −2 0
F1 +(−2)F2 ( 2 )F3 
−−−−−−→  0 1 1  0 1 0  −− −→  0 1 1  0 1 0 
F3 +(2)F2 1
0 0 2 −1
 2 1 0 0 1 −2
 1 21

1 0 0  − 21 1 3 
 
2
  
F1 +(3)F3   1 1

−−−−−−→  0 1 0  2 0 −2 

F2 +(−1)F3 
 
 

1
0 0 1  −2 1 1
2
Es decir que la forma escalonada reducida de la matriz A es la matriz identidad y por tanto A tiene inversa,
dada por la matriz:
 1 3 
−2 1 2
 
−1
 1

1 
A =  2 0 −2 

 
1 1
−2 1 2

14
2.1.2. Cálculo de la inversa de una matriz usando cofactores.

Sea A = ai j ∈ Mn×n y C = Ci j la matriz de cofactores de A. Se define la adjunta de la matriz A, ad j A,
como la transpuesta de la matriz de cofactores, es decir:

ad j A := CT

Ahora, sabemos que

det A = ai1Ci1 + ai2Ci2 + ... + ainCin
y se puede verificar que si i 6= j
ai1C j1 + ai2C j2 + ... + ainC jn = 0
en consecuencia
 
a11 a12 · · · a1n    
 ..  C11 · · · C j1 · · · Cn1 det A 0 0

 .   C12 · · · C j2 · · · Cn2
   0 det A 
 ai1 ai2 · · · ain  .. =
 
.. .. ..



 ..

 .   . . . 
 . 
C1n · · · C jn · · · Cnn 0 0 det A
an1 an2 · · · ann | {z }
| {z } CT
A

es decir ACT = (det A)In o en forma equivalente A(ad j A) = (det A)In

En conclusión, si det A 6= 0 entonces A es invertible y además

1 T 1
A−1 = C = ad j A
det A det A
y también,
1
det A−1 =
det A

Teorema: Sea A una matriz n × n, A es invertible si y sólo si det A 6= 0

Ejemplo. Usar la matriz adjunta para determinar la inversa de la siguiente matriz (si existe).
 
1 2 −1
A= 0 1 1 
1 0 −1
En primer lugar, observar que el determinante de la matriz es distinto de cero, y por tanto la matriz tiene
inversa. El determinante se ha calculado por cofactores de la primera fila:
 
 1 2 −1 
 
det A =  0 1 1  = 1 [−1 − 0] − 2 [0 − 1] + (−1) [0 − 1] = 2
 1 0 −1 

Ahora se calculan todos los cofactores de la matriz A

15
      
 1
1+1  1  1+2 
 0 1   0 1
1+3 

C11 = (−1)  = −1 C12 = (−1) =1 C13 = (−1)  = −1
 0 −1   1 −1   1 0 

     
 2 −1
2+1 
 2+2 
 1 −1   1 2
2+3 

C21 = (−1)  0 −1
=2
 C22 = (−1)  1 −1
=0
 C23 = (−1)  1 0
=2


     
 2 −1 
3+1  3+2 
 1 −1   1 2
3+3 

C31 = (−1) =3 C32 = (−1)  = −1 C33 = (−1) =1
 1 1   0 1   0 1 

o en forma resumida la matriz de cofactores de la matriz A es:

       
 1 1  − 0 1
    0 1 
   
  0 −1   1 −1   1 0  
 
   
 
  2 −1 
  
 1 −1 

 1 2
 
  −1 1 −1
C =  −
     −   = 2 0 2 
0 −1   1 −1  1 0  



 3 −1 1
       
  2 −1   1 −1   1 2  
  −   
 1 1   0 1   0 1 

la matriz adjunta de A es:  

−1 2 3
ad j(A) = CT =  1 0 −1 
−1 2 1
y por tanto la inversa de la matriz A es :
− 21 1 3
 
  2
−1 2 3  
1 1
A−1 =
 1

ad j(A) =  1 0 −1  =  2 0 − 12 
det A 2  
−1 2 1  
− 21 1 1
2

3. Sistema de ecuaciones lineales. Definición y ejemplos.

Un sistema de m ecuaciones lineales con n incógnitas x1 , x2 , ..., xn es un conjunto de relaciones de la forma

a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
.. .. ..
. . .
am1 x1 + am2 x2 + · · · + amn xn = bm
donde los coeficientes ai j y bi son números reales.

Un conjunto de n valores α1 , α2 , . . . , αn es una solución del sistema si al sustituir respectivamente

x1 , x2 , . . . , xn por α1 , α2 , . . . , αn en las m ecuaciones del sistema, todas se satisfacen y por tanto se obtie-
nen m igualdades.

16
 Un sistema de ecuaciones lineales es consistente si tiene al menos una solución.
Ejemplo: el siguiente sistema es consistente y su solución es x = −2, y = −1
( (
x − 4y = 2 (−2) − 4(−1) = 2
ya que al evaluar se obtiene
x − 3y = 1 (−2) − 3(−1) = 1

Un sistema de ecuaciones lineales es inconsistente cuando no tiene solución.

Ejemplo: el siguiente sistema es inconsistente,
x − 4y = 2
2x − 8y = 1

ya que al aplicar reducción, multiplicando la primera ecuación por −2 y sumarla con la segunda se
llega a la inconsistencia 0 = −3
(−2)x − (−2)4y = (−2)2
2x − 8y = 1
0 = −3

Un sistema de ecuaciones lineales es indeterminado si tiene más de una solución.

Ejemplo: el siguiente sistema es indeterminado, ya que tiene infinitas soluciones, en particular la
pareja x = 3, y = 1 es solución, y también lo es x = −1, y = −1

2x − 4y = 2
x − 2y = 1

Un sistema de ecuaciones lineales es homogéneo si bi = 0 para i = 1, 2 . . . , m.

Ejemplo: los siguientes sistemas son homogéneos

x1 − 4x2 = 0 5x1 − 4x2 − 2x3 = 0

x1 − x2 = 0 6x1 − x2 + 4x3 = 0

Los sistemas homogéneos siempre tienen solución, ya que las igualdades se satisfacen haciendo xi =
0, para i = 1, 2, . . . , n. Dicha solución se denomina solución trivial

3.1. Sistemas de ecuaciones lineales equivalentes y matrices.

Dos sistemas de ecuaciones lineales, con el mismo número de incógnitas, son equivalentes si tienen las
mismas soluciones.

Un sistema de ecuaciones lineales es equivalente a cualquier otro que resulte después de aplicarle al sistema
original una número finito de operaciones elementales, entendiendo por operación elemental (similar a las
matrices) una de las siguientes operaciones:

Cambiar el orden de las ecuaciones del sistema.

17
 Multiplicar una de las ecuaciones del sistema por un número distinto de cero.

Sumar a una de las ecuaciones del sistema otra ecuación del sistema multiplicada por un número
distinto de cero.

Ejemplo: Sistemas de ecuaciones equivalentes


2x − 5y + 7z = 2 
x − 3y + 4z = 1 S
− y − z = 3


cambiando de posición la primera ecuación con la segunda


x − 3y + 4z = 1 
2x − 5y + 7z = 2 S1
− y − z = 3


al multiplicar la primera ecuación de S1 por −2 y sumar el resultado a la segunda


x − 3y + 4z = 1 
y − z = 0 S2
− y − z = 3


al multiplicar la segunda ecuación de S2 por 3 y sumar el resultado a la primera; y multiplicar la segunda

ecuación de S2 por 1 y sumar el resultado a la tercera

x + z = 1 
y − z = 0 S3
− 2z = 3


al multiplicar la tercera ecuación de S3 por − 12


x + z = 1 
y − z = 0 S4
z = − 32


Los sistemas S, S1 , S2 , S3 y S4 son equivalentes, y por tanto tienen la misma solución. Este caso la solución
es única y se obtiene fácilmente del sistema S4
5 3 3
x= y=− z=−
2 2 2

Forma matricial de un sistema de ecuaciones lineales

Considerar el siguiente sistema de m ecuaciones lineales con n incógnitas x1 , x2 , ..., xn

a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
.. .. ..
. . .
am1 x1 + am2 x2 + · · · + amn xn = bm

18
que puede escribirse en la siguiente forma matricial
    
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n  x2   b2 
=
    
 .. .. ..  .. .. 
 . . .  .   . 
am1 am2 · · · amn xn bm
| {z } | {z } | {z }
A X B

es decir, el sistema se puede escribir en la forma AX = B, donde

     
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2   b2 
A =  .. ..  , X =  .. , B = 
     
.. .. 
 . . .   .   . 
am1 am2 · · · amn xn bm

son respectivamente la matriz de coeficientes del sistema, el vector de incógnitas y el vector de términos
independientes.

Matriz ampliada del sistema: se obtiene de ampliar la matriz A con el vector B, como se muestra a
continuación   
a11 a12 · · · a1n  b1
 a21 a22 · · · a2n  b2 
A |B =  ..
 
.. .. ..  .. 
 . . . .  . 
am1 am2 · · · amn  bm

Nota. Dos sistemas de ecuaciones lineales con matrices ampliadas equivalentes, son equivalentes.

Ejemplo. Matrices ampliadas de los sistemas S, S1 , S2 , S3 y S4 del ejemplo anterior, incluida la notación de
la operación elemental aplicada en cada caso. Se resalta en color la fila que cambia al aplicar la operación
indicada con el mismo color.

        
2 −5 7  2 1 −3 4  1 1 −3 4  1
 F ↔F  F2 +(−2)F1 
 1 −3 4  1  −−1−−→
2 
2 −5 7  2  −−−−−−→  0 1 −1  0 
  
0 −1 −1  3 0 −1 −1  3 0 −1 −1  3
| {z } | {z } | {z }
S S1 S2

        
1 0 1  1 1 1 0 1  1 1 0 0  5/2
F1 +(3)F2 (− 2 )F3 F1 +(−1)F3 
−−−−−→  0 1 −1  0  −−−−→  0 1 −1  0  −−−−−−→ 0 1 0
  −3/2 
F3 +F2   F2 +F3 
0 0 −2 3  0 0 1 −3/2
 0 0 1  −3/2
| {z } | {z }
S3 S4

19
3.2. Solución de un sistema de ecuaciones lineales usando el método de Gauss-
Jordan

1. Construir la matriz ampliada del sistema

2. Aplicar operaciones elementales a la matriz ampliada hasta conseguir la matriz escalonada reducida
de la matriz de coeficientes del sistema.

Ejemplo: Aplicar el método de Gauss-Jordan para resolver el siguiente sistema de ecuaciones lineales

2x + 8y + 6z = 20
4x + 2y − 2z = −2
3x − y + z = 11

Solución: la matriz ampliada del sistema es la siguiente

  
2 8 6  20

 4 2 −2  −2 

3 −1 1  11

aplicamos operaciones elementales a la matriz ampliada hasta conseguir la matriz escalonada reducida de
la matriz de coeficientes
        
2 8 6  20 1 1 4 3  10 1 4 3  10
( 2 )F1 F2 +(−4)F1
 4 2 −2  −2  −− −→  4 2 −2  −2  −−−−−−→  0 −14 −14  −42 
F3 +(−3)F1
3 −1 1  11 3 −1 1  11 0 −13 −8  −19
     
1 1 4 3  10 1 0 −1  −2
(− 14 )F2  F1 +(−4)F2 
−−−−→ 0
 1 1  3  −−−−−−→  0 1 1  3 
 F3 +(13)F2
0 −13 −8  −19 0 0 5  20
     
1 0 −1  −2 1 0 0  2
( 15 )F3 F +F 
−−−→  0 1 1  3  −−−1−−3−→  0 1 0  −1 
F2 +(−1)F3 
0 0 1  4 0 0 1  4

La matriz escalonada reducida de la matriz de coeficientes es la matriz identidad y por tanto el sistema tiene solución
única dada por
x = 2 y = −1 z = 4

3.2.1. Rango de una matriz. (Tema opcional)

Sea A una matriz m × n, el rango de A, denotado por R(A), es igual al número máximo de pivotes (o número de filas
no nulas) en la forma escalonada reducida de la matriz A.
Es claro que R(A) ≤ m y R(A) ≤ n

Ejemplo. La matriz B es la forma escalonada reducida de la matriz A ¡Verificarlo!. B tiene dos pivotes, entonces
R(A) = 2.    
2 4 6 1 0 −1
A= 4 5 6  B= 0 1 2 
2 7 12 0 0 0

20
Ejemplo. La matriz D es la forma escalonada reducida de la matriz C ¡Verificarlo!. D tiene tres pivotes, entonces
R(C) = 3.    
1 1 −1 2 1 0 −3 0
C= 1 2 1 3  D= 0 1 2 0 
1 1 −1 4 0 0 0 1

Teorema. Sea AX = B un sistema de m ecuaciones lineales con n incógnitas, con A|B la matriz ampliada del sistema,
entonces:
1. Si R(A|B) = R(A), el sistema AX = B es consistente, y además:

• Si R(A|B) = R(A) = n, el sistema tiene solución única.

• Si R(A|B) = R(A) < n, el sistema tiene infinitas soluciones, es decir, es indeterminado.

2. Si R(A|B) > R(A), el sistema no tiene solución, es decir, es inconsistente.

Matriz ampliada de un sistema de 3 ecuaciones lineales con 3 incógnitas y única solución.

R(A|B) = R(A) = 3 número de incógnitas

A
z }| {    
2 8 6  20 1 0 0  2

 4 2 −2  −2  → · · · →  0 1 0  −1 

3 −1 1  11 0 0 1  4
| {z }
A|B

Matriz ampliada de un sistema de 3 ecuaciones lineales con 3 incógnitas e infinitas soluciones.

R(A|B) = R(A) = 2 < 3 número de incógnitas

A
z
 }| {    
1 −2 3  1 1 0 3  3

 2 0 6  6  → · · · →  0 1 0  1 

−1 3 −3  0 0 0 0  0
| {z }
A|B

Matriz ampliada de un sistema de 3 ecuaciones lineales con 3 incógnitas e inconsistente, no tiene solución.

R(A|B) = 3 > 2 = R(A)

A
z }| {    
1 −2 3  1 1 0 −5  3
 2 −4 6  6  → · · · →  0 1 −4  1 
−1 3 −7  0 0 0 0  4
| {z }
A|B

Corolario. Sea AX = 0 un sistema homogéneo de m ecuaciones lineales con n incógnitas, entonces el sistema es
siempre consistente, es decir, tiene al menos una solución, la solución trivial X = 0

21
 Si R(A) < n, el sistema tiene infinitas soluciones.
     
1 −2 3  0
 1 0 −5  0
 2 −4 6  0  → · · · →  0 1 −4  0 
 
−1 3 −7  0 0 0 0  0

Si R(A) = n, el sistema tiene solución única, la solución trivial X = 0.

     
2 8 6  0 1 0 0  0

 4 2 −2  0 → · · · → 0 1 0
    0 

3 −1 1  0 0 0 1  0

Teorema. Sea AX = 0 un sistema homogéneo de m ecuaciones lineales con n incógnitas. Si m < n (el número de
ecuaciones es menor que el número de incógnitas), entonces el sistema tiene infinitas soluciones.

Ejemplo. Considerar el sistema de ecuaciones lineales

x − 2y + 3z + 4w = 0
2x − 4y + 6z − w = 0
−1x + 3y − 7z + 3w = 0

Al realizar la reducción por filas de la matriz ampliada del sistema (método de Gauss-Jordan), se obtiene:
     
1 −2 3 4  0 1 0 −5 0  0
 2 −4 6 −1  0  → · · · →  0 1 −4 0  0 
−1 3 −7 3  0 0 0 0 1  0

El sistema equivalente, con z como variable libre, es:

x − 5z = 0
y − 4z = 0
w = 0

que se puede escribir en forma paramétrica como:

x = 5t, y = 4t, z = t, w = 0, t ∈ R

Así por ejemplo, para t = 1 los valores x = 5, y = 4, z = 1, w = 0 forman una solución del sistema de ecuaciones
lineales, pero también lo es x = 10, y = 8, z = 2, w = 0, tomando t = 2.

3.3. Solución de sistemas de ecuaciones lineales usando la regla de Cramer

Teorema. Dado un sistema de n ecuaciones lineales con n incógnitas y matriz de coeficientes A = (ai j )

a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
.. .. ..
. . .
an1 x1 + an2 x2 + · · · + ann xn = bn

22
el cual se escribe como ecuación matricial en la forma AX = B con
   
x1 b1
 x2   b2 
X = .  y B=
   
. .. 
 .   . 
xn bn

Si det A 6= 0, el sistema tiene solución única y, además,

det A1 det A2 det A3 det An
x1 = , x2 = , x3 = . . . , xn =
det A det A det A det A
donde A j , j = 1, 2, . . . , n, es la matriz que se obtiene de A al reemplazar la columna j por los elementos del vector B.

Ejemplo. Usar la Regla de Cramer para resolver el siguiente sistema, si es posible.

2x + 8y + 6z = 20
4x + 2y − 2z = −2
3x − y + z = 11

 
2 8 6
Solución: Como det A = det  4 2 −2  = −140 6= 0 se puede aplicar la Regla de Cramer para resolver el
3 −1 1
sistema, con
     
20 8 6 2 20 6 2 8 20
A1 =  −2 2 −2  A2 =  4 −2 −2  A3 =  4 2 −2 
11 −1 1 3 11 1 3 −1 11

Y la solución del sistema es:

det A1 −280 det A2 140 det A3 −560
x= = y= = z= =
det A −140 det A −140 det A −140

x = 2 y = −1 z = 4

4. Ejercicios.
1. Considerar las siguientes matrices:
   
3 2 1 2 −1 3    
0 1 6 −5 2 8
A = −1 5
 3  B = −1
 0 1  C= D=
3 −2 9 3 2 5
7 6 −1 4 2 6

Calcular:

a) 2A + 3B b) A − 3B c) C − D d) 3D −C
T T T
e) − 3DC f) A g) A + A h) CCT
i) CT C j) A2 k) AAT l) DDT

23
    
5   3b 1
−2b 0 1
2. Sean B =  a  C= y D= 0 1 
3 2 b
2 1 2b

a) Determinar el valor de b que satisface la igualdad

 
T T 9 0 4
(D + 3C ) =
10 7 −15

b) Determinar los valores de a y b que satisfacen la igualdad

BT D = 17 20
 

c) Determinar el valor de b que satisface la igualdad

 
−5 0
CD =
−10 7

d) Determinar el valor de b que satisface la igualdad

 
T 17 10
CC =
10 17

 
5 5
3. Sea A = . Muestre que A2 = 0. Compare esto con la ecuación a2 = 0, donde a es un número real.
−5 −5

   
1 2 2 1
4. Sean A = , B= . Calcular AB y BA y verifique que AB 6= BA
3 4 4 3

   
3 1 4 −2
5. Sean A = , B= .
0 2 0 1

a) Calcular (A + B)2
b) Calcule AB y B · A, y verifique que AB 6= BA
c) Calcular A2 + 2AB + B2
d) Con base en los resultados de a) y c), muestre que (A + B)2 6= A2 + 2A · B + B2

   
2 4 4 8
6. Sean A = , B= .
5 −6 −7 3

a) Calcule AT , (AT )T , y muestre que (AT )T = A

b) Muestre que (A + B)T = AT + BT
c) Muestre que (AB)T = BT AT

7. Para cada una de las siguientes matrices calcular el determinante, y si el determinante es distinto de cero
encontrar la matriz inversa.

       
5 −2 4 −2 3 2 5 0
a) A = b) B = c) C = d) D =
3 4 −2 1 −2 −1 −1 7

24
 8. Para cada una de las siguientes matrices calcular el determinante, y si el determinante es distinto de cero
encontrar la matriz inversa: a) Usando operaciones elementales fila; b) usando la matriz adjunta.

       
4 3 2 4 0 0 1 2 4 1 2 3
a) A =  0 −1 1  b) B =  2 2 0  c) C =  0 1 2  d) D =  2 3 4 
0 0 4 −1 0 1 −1 0 1 3 4 6

9. Expresar el sistema de ecuaciones lineales en la forma AX = B, donde A es la matriz de coeficientes del sistema.
Usar el determinante de la matriz A para analizar si tiene inversa, y en tal caso determinar la solución del sistema
usando la regla de Cramer.

2x + 3y = 7 2x − 3y = 7 3x − 6y = 7 2x + 3y = −2
a) b) c) d)
−x + 4y = 14 −x + 4y = 14 2x − 4y = 14 3x + 4y = 1

10. Expresar el sistema de ecuaciones lineales en la forma AX = B, donde A es la matriz de coeficientes del sistema.
Usar el determinante de la matriz A para analizar si tiene inversa, y en tal caso determinar la solución del sistema
usando la regla de Cramer.

2x − 3y − 4z = 5 2x + 3y + 4z = 1 x − y = 0
a) 2x − 3y + z = −5 b) 3x + 4y + 5z = −1 c) 3x − 2y + 4z = −1
x − 2y + z = −2 4x + 5y + 7z = 0 3x − 2y + 5z = 0

 
1 1 1
11. Hallar los valores de k para los cuales la forma escalonada reducida de la matriz A =  0 2 3  sea la matriz
5 3 k
identidad.
 
1 −2 3
12. Hallar los valores de k para los cuales la forma escalonada reducida de la matriz A =  2 k 6  sea
−1 3 k−3
la matriz identidad.
 
1 1 1
13. Hallar los valores de k para los cuales la forma escalonada reducida de la matriz A =  1 2 3  sea la
2 3 k +3 2

matriz identidad.
   
1 2 −1 2 −3 3
14. Verificar que las matrices A =  3 −1 2  y B =  1 −5 4  tienen la misma forma escalonada
1 −5 4 −2 −11 7
reducida.
   
−1 10 12 2 3
15. Si (AB) = yA= . Hallar B−1 y B.
−13 −20 −1 −2
 
3 4
16. Sea A = . Calcular A2 , A3 , A4 y según el resultado encontrado conjeture el valor de A43 .
−2 −3
 
a 1−a
17. Determinar los valores de a para los cuales la inversa de la matriz A = es ella misma.
1 + a −a

25
Referencias
[1] García, O., Villegas, J.A. y Castaño, J.I. (2012) Álgebra lineal. Fondo Editorial Universidad EAFIT. Medellín.

[2] Grossman, S. (1996). Álgebra Lineal con Aplicaciones. 5ta. Ed. McGraw-Hill. México.

[3] Hill, R. (1996). Álgebra Lineal Elemental con Aplicaciones. Prentice Hall. México.

[4] Kolman, B. (1999). Álgebra Lineal con Aplicaciones y Matlab. 6ta. Ed. Prentice Hall. México.

[5] Lay, D. (1999). Álgebra Lineal y sus Aplicaciones. 2a. Ed. Prentice Hall, México.

26