Captulo 1: lgebra Matricial (cont.

)

1.7 DETERMINANTE DE UNA MATRIZ
El determinante de una matriz es un escalar (un nmero), obtenido a partir de los elementos de una matriz por
operaciones especificadas, y que es caracterstico de la matriz. Los determinantes estn definidos solamente para
matrices cuadradas. En esta seccin se estudiarn los mtodos para obtener los determinantes y las propiedades
de stos.
El determinante de una matriz 2 2 .

A
a
11
a
12
a
21
a
22



1
]
1
est dado por
det

A A a
11
a
22
a
12
a
21
EJEMPLO
Si

A
3 6
4 1



1
]
1 entonces

A
3 6
4 1
324
( )
27

Si

A
1 0
6 10



1
]
1 entonces

A
1 0
6 10
100 10
Anlogamente, el determinante de una matriz 3 3 ,

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





1
]
1
1
1
est dado por

A a
11
a
22
a
33
+a
12
a
23
a
31
+a
13
a
32
a
21
a
13
a
22
a
31
a
23
a
32
a
11
a
33
a
21
a
12
Los trminos se pueden obtener por la regla ilustrada en la figura 7.1, en donde los trminos de productos
positivos se forman con los elementos unidos por lneas continuas, y los trminos de productos negativos se
componen de los elementos unidos por lneas punteadas. Observemos que reglas similares no son vlidas para
matrices de orden superior.
Por definicin, un determinante de orden n, o sea, n,

A a
i j con i, j = 1, 2, n, es la suma algebraica de
n! trminos, cada uno de los cuales representa el producto de n elementos seleccionados uno de cada fila y uno
de cada columna, en todas las posibles y distintas combinaciones, teniendo signo positivo o negativo, segn si el
nmero de inversiones en el orden de j (despus de que se ha dispuesto i en el trmino del producto en orden
ascendente) es par o impar.
Resulta tedioso emplear esta reglas para obtener el determinante de una matriz de orden mayor que,
digamos, 3 3 . Por ejemplo, el determinante de una matriz 4 4 es la suma algebraica de 4! = 24 trminos,
cada uno de los cuales es el producto de cuatro elementos; el determinante de una matriz 5 5 es la suma
algebraica de 5! = 120 trminos, cada uno de los cuales es el producto de cinco elementos.
Determinantes de matrices de orden mayor que 3 3 suelen calcularse por un procedimiento conocido
como desarrollo por cofactores. Por ejemplo, el determinante de la matriz 3 3 anterior se puede escribir

A a
11
a
22
a
33
a
23
a
32
( )
a
12
a
21
a
33
a
23
a
31
( )
+a
13
a
21
a
32
a
22
a
31
( )
a
11
a
22
a
23
a
32
a
33
a
12
a
21
a
23
a
31
a
33
+a
13
a
21
a
22
a
31
a
32
Observamos que cada determinante en la suma es el determinante de una submatriz de A que se obtiene
omitiendo una fila y una columna particulares de A. Estos determinantes se llaman menores.
DEFINICIN: Sea

M
i j la matriz n 1 ( ) n 1 ( ) obtenida al omitir la i-sima fila y la j-sima
columna de

A
nn
.
El determinante

M
i j es un menor de la matriz A. El escalar

C
i j
1
()
i +j
M
i j
se denomina cofactor del elemento

a
i j de la matriz A. La matriz n x n

C
i j ( )

se denomina adjunta de A y se
representa por adj A.
Como se seal antes, el determinante de una matriz se puede obtener por un procedimiento conocido como
desarrollo por cofactores. El determinante de A puede desarrollarse en trminos de la fila i por la frmula:

A a
i j
C
i j
j1
n
para cualquier fila i = 1, 2, , n,
y en trminos de la columna j por la frmula:

A a
i j
C
i j
i1
n
para cualquier columna j = 1, 2, , n
Por tanto el determinante de

A
33
expresado antes como

A a
11
a
22
a
23
a
32
a
33
a
12
a
21
a
23
a
31
a
33
+a
13
a
21
a
22
a
31
a
32
se puede escribir

A a
11
C
11
+a
12
C
12
+a
13
C
13
a
1 j
C
1 j
j1
3

EJEMPLO
Evale el determinante de la matriz

A
3 0 2
6 8 1
0 3 4





1
]
1
1
1
A 96+0360+9+0
( )
141
o bien, desarrollando en trminos de la primera fila,

A 3
8 1
3 4
+02
6 8
0 3
3 323
( )
2 180
( )
10536 141

Efectuando el desarrollo en funcin de la segunda columna,

A 08
3 2
0 4
3
3 2
6 1
08 120
( )
3 3+12
( )
9645 141
Cabe hacer notar que los cofactores son bsicamente determinantes, y se puede evaluar por desarrollos
posteriores en trminos de determinantes de orden inferior. Por desarrollo repetido, un determinante de n-simo
orden puede escribirse en trminos de determinantes de segundo o de tercer orden, los cuales se pueden evaluar
fcilmente. Para simplificar los clculos, un determinante debe desarrollarse en trminos de la fila o de la
columna que tenga el mayor nmero de ceros.
PROPIEDADES DE LOS DETERMINANTES
Las siguientes propiedades de los determinantes frecuentemente son tiles en su evaluacin:
1. El intercambio de las correspondientes filas y columnas de un determinante no altera su valor, es decir,

A A

.
2. Si todos los elementos de una fila (o de una columna) de un determinante son iguales a cero, el valor del
determinante es nulo.
3. Si todo elemento de una fila (o de una columna) de un determinante se multiplica por un misma constante, el
valor del determinante queda multiplicado por dicha constante.
4. Si se intercambian dos filas (o dos columnas) de un determinante, el signo del determinante cambia, pero su
valor absoluto no.
5. Si dos filas (o dos columnas) de un determinante son idnticas, el valor del determinante es cero.
6. El valor de un determinante no cambia si cada elemento de cualquier fila (o cualquier columna), o cada
elemento multiplicado por la misma constante, se suma o se resta del correspondiente elemento de cualquier
otra fila (o columna).
7. El determinante del producto de dos matrices es igual al producto de los determinantes de las dos matrices,
es decir,
8. El determinante de una matriz diagonal es igual al producto de los elementos de su diagonal.
EJEMPLO
Si

A
1 3 3
2 0 1
1 4 2





1
]
1
1
1
,
(Propiedad 1)

A
1 3 3
2 0 1
1 4 2





1
]
1
1
1
0324 0+4 12
( )
19

1 2 1
3 0 4
3 1 2





1
]
1
1
1
024 30+4 12
( )
19
(Propiedad 3)

A
*

3 3 3
6 0 1
3 4 2
09720+1236
( )
57 3 A
(Nota: La primear columna de A se multiplica por 3 para formar A*)
(Propiedad 4)

B
1 3 3
1 4 2
2 0 1





1
]
1
1
1
4 12+024 +03
( )
19 A
(Nota: La segunda y la tercera filas de A se intercambian para formar B.)
(Propiedad 6)

C
1 3 3
3 4 0
2 0 1





1
]
1
1
1
4 +0+024 +0+9
( )
19 B
(Nota: La segunda fila de C es igual a la segunda fila de B ms dos veces la tercera fila de B.)
(Propiedad 2)
Si

A
1 3 3
0 0 0
1 4 2





1
]
1
1
1
,
entonces

A
1 3 3
0 0 0
1 4 2





1
]
1
1
1
0+0+00+0+0
( )
0
(Propiedad 5)
Si

A
1 1 3
2 2 1
1 1 2





1
]
1
1
1
entonces

A
1 1 3
2 2 1
1 1 2





1
]
1
1
1
4 1+6614
( )
0
(Propiedad 7)
Si

A
1 3 3
2 0 1
1 4 2





1
]
1
1
1
y

B
1 0 2
3 2 2
1 0 1





1
]
1
1
1
, entonces

AB
5 6 1
1 0 3
11 8 8





1
]
1
1
1
01988012048
( )
38

A
1 3 3
2 0 1
1 4 2





1
]
1
1
1
19

B
1 0 2
3 2 2
1 0 1





1
]
1
1
1
2+0+04 +0+0
( )
2

AB A B 19
()
2
()
38
(Propiedad 8)
Si

A
3 0 0
0 2 0
0 0 1





1
]
1
1
1
,
entonces

A
3 0 0
0 2 0
0 0 1





1
]
1
1
1
6+0+00+0+0
( )
6
1.8 INVERSA DE UNA MATRIZ
La inversa de una matriz se emplea en la resolucin de ecuaciones lineales simultneas y en otros anlisis. En
esta seccin se define la inversa de una matriz y se analizan varios mtodos de inversin; tales procedimientos
incluyen la inversin por medio de la eliminacin gaussiana, la inversin por medio de adjuntas y determinantes,
y la inversin por medio de adjuntas y determinantes, y la inversin de matrices subdivididas. Asimismo, se
consideran las propiedades de las inversas.
Si para una matriz A de orden n x n (cuadrada) existe otra matriz B de orden n x n (cuadrada) tal que su
producto es la matriz identidad de orden n, es decir, si

A
nn
B
nn
I
n
B
nn
A
nn
entonces se dice que B es la recproca o la inversa de A, y se escribe

BA
1
a
i j ()
1
a
i j
()
b
i j ()
(Se puede demostrar que

ABI BA I
).
NOTA: En lgebra elemental, la divisin de una cantidad x entre una cantidad y es equivalente a multiplicar x
por el recproco de y, es decir,

x
y
x
1
y



_
,

xy
1
La obtencin de la recproca o inversa de una matriz es una operacin anloga a la de la divisin en lgebra
elemental; sin embargo, ntese que aunque todo nmero diferente de cero tiene un recproco, hay matrices
cuadradas, adems de la matriz nula, que no poseen inversa. Una matriz que tienen inversa se dice que es no
singular; una matriz que carece de inversa recibe el nombre de singular.
Una matriz no cuadrada puede tener inversa por la izquierda o por la derecha. Una matriz A de orden n x s se
dice que tiene a B como inversa por la izquierda si BA = I; en este caso I debe ser de orden s x s, y B, de orden
s x n. Anlogamente, si AC = I, se dice que C es la inversa por la derecha de A; en este caso, I debe ser de orden
n x n, y C de orden s x n. Es posible demostrar que si A tiene como inversa por la izquierda a B, y como inversa
por la derecha a C, entonces B = C = A
-1
, y A es cuadrada (y no singular).
La operacin de obtener la inversa de una matriz, llamada inversin de una matriz, es esencial para la
resolucin matricial de conjuntos de ecuaciones lineales simultneas; tales ecuaciones aparecen, por ejemplo, en
la resolucin de modelos econmicos y en problemas de programacin lineal.
Cualquier conjunto de ecuaciones lineales simultneas se puede escribir en notacin matricial. Por ejemplo:

a
11
x
1
+a
12
x
2
+a
13
x
3
+L+a
1n
x
n
c
1
a
21
x
1
+a
22
x
2
+a
23
x
3
+L+a
2n
x
n
c
2
M
a
m1
x
1
+a
m2
x
2
+a
m3
x
3
+L+a
mn
x
n
c
m
se puede escribir como

A
mn
X
n1
C
m1
Si m = n y A tiene inversa, es decir, si A es cuadrada y no singular, entonces el conjunto de ecuaciones
lineales simultneas representado por

A
nn
X
n1
c
n1
tiene la solucin

X
n1
A
nn
1
c
n1
La resolucin de ecuaciones lineales simultneas se considera en detalle en la seccin 1.9.
INVERSIN DE MATRICES 2 X 2
Si n = 2, es decir, si el conjunto de ecuaciones simultneas consta de dos ecuaciones con dos incgnitas.

a
11
x
1
+a
12
x
2
c
1
a
21
x
1
+a
22
x
2
c
2
o, en notacin matricial,

A
22
X
21
c
21
Entonces

A
22
1
puede obtenerse fcil y directamente a partir de su definicin, como sigue.
Si

A
a
11
a
12
a
21
a
22



1
]
1
y

A
1
est denotada por

B
b
11
b
12
b
21
b
22



1
]
1
entonces, por definicin,

ABI
, es decir,

a
11
a
12
a
21
a
22



1
]
1
b
11
b
12
b
21
b
22



1
]
1

1 0
0 1



1
]
1
y de ese modo

a
11
b
11
+a
12
b
21
a
11
b
12
+a
12
b
22
a
21
b
11
+a
22
b
21
a
21
b
12
+a
22
b
22



1
]
1

1 0
0 1



1
]
1
y

a
11
b
11
+a
12
b
21
1
a
11
b
12
+a
12
b
22
0
a
21
b
11
+a
22
b
21
0
a
21
b
12
+a
22
b
22
1
Resolviendo estas cuatro ecuaciones para determinar las cuatro

b
i j s,

b
11

a
22
a
11
a
22
a
21
a
12
b
12

a
12
a
11
a
22
a
21
a
12
b
21

a
21
a
11
a
22
a
21
a
12
b
22

a
11
a
11
a
22
a
21
a
12
Ntese que el denominador de cada una de esta expresiones es el determinante de

A
a
11
a
12
a
21
a
22
a
11
a
22
a
21
a
12
Si det

A 0
, las

b
i j s no estn definidas y no se puede obtener

A
1
. Puede demostrarse, en general, que una
matriz cuadrada de cualquier tamao tiene una inversa slo si su determinante es distinto de cero.
EJEMPLOS
A.
Determinar, si existe, la inversa de la matriz

1 6
4 3



1
]
1

1 6
4 3
324 27
, de manera que la inversa existe.

b
11

3
27

1
9
b
12

6
27

2
9
b
21

4
27

4
27
b
22

1
27

1
27
y as,

1 6
4 3



1
]
1
1

1
9
2
9
4
27
1
27



1
]
1
Observemos que

1 6
4 3



1
]
1

1
9
2
9
4
27
1
27



1
]
1

1 0
0 1



1
]
1
B.
Determinar, si existe, la inversa de la matriz

3 15
1 5



1
]
1

3 15
1 5



1
]
1
1515 0
, de manera que no existe la inversa (es decir, la matriz es singular).
PROBLEMAS
Para cada una de las matrices siguientes, evale el determinante y obtenga la inversa, si existe.
Emplee matrices particionadas para verificar resultados.

1.
1 6
0 1



1
]
1
2.
1 0
0 1



1
]
1
3.
0 1
1 0



1
]
1
4.
0 1
1 6



1
]
1
5.
2 3
4 6



1
]
1
6.
2 2
4 4



1
]
1
7.
1 3
2 7



1
]
1
8.
1 1
1 1



1
]
1
Respuestas a los Problemas de Nmero Impar

1. det 1,
0 6
0 1



1
]
1
3. det 1,
0 1
1 0



1
]
1
5. det 0, de manera que no existe la inversa 7. det 13,

7
13
3
13
2
13
1
13



1
]
1
INVERSIN DE MATRICES DE MAYOR ORDEN
En principio, la inversa de cualquier matriz no singular se puede obtener a partir de su definicin del modo
sealado para una matriz 2 x 2 . Es decir, si

A
a
11
a
12
L a
1n
a
21
a
22
L a
2n
M M M M
a
n1
a
n2
L a
nn






1
]
1
1
1
1
y

BA
1
, entonces

ABI

a
11
a
12
L a
1n
a
21
a
22
L a
2n
M M M M
a
n1
a
n2
L a
nn






1
]
1
1
1
1
b
11
b
12
L b
1n
b
21
b
22
L b
2n
M M M M
b
n1
b
n2
L b
nn






1
]
1
1
1
1

c
11
c
12
L c
1n
c
21
c
22
L c
2n
M M M M
c
n1
c
n2
L c
nn






1
]
1
1
1
1

1 0
1
O
0 1






1
]
1
1
1
1
I
n
en donde

c
i k
a
i j
b
b k
j 1
n
y los n
2
elementos de la matriz inversa

b
j k ( )se pueden obtener por resolucin de
las n
2
ecuaciones

a
i j
b
j k
1 si i k
j 1
n

a
i j
b
j k
0 si i k
j 1
n

en donde i = 1, 2, , n y k = 1, 2, , n.
Para una matriz de orden 3 x 3 o mayor, este mtodo de inversin resulta tedioso. Afortunadamente, existen
numerosos procedimientos para invertir matrices, y la inversin es tambin un programa estndar disponible
para la mayor parte de las computadoras electrnicas. En las siguientes secciones se estudian dos mtodos de
inversin; ambos son factibles a no ser que la matriz sea demasiado grande, o que sus elementos consten de
varios dgitos.
INVESIN MEDIANTE EL USO DE OPERACIONES DE FILA O DE COLUMNA
Para resolver un sistema de ecuaciones lineales simultneas, se emplean ciertas operaciones sencillas para
convertir el sistema original a un sistema equivalente, es decir, a un sistema que tenga la misma solucin que el
sistema original, pero que sea ms sencillo de resolver. Se obtiene un sistema equivalente si (1) se intercambian
dos ecuaciones, (2) se multiplica una ecuacin por una constante diferente de cero, y (3) la i-sima ecuacin se
reemplaza por la suma de la i-sima ecuacin y k veces la j-sima ecuacin, en donde k es una constante
diferente de cero.
Anlogamente, tres operaciones elementales de fila para las matrices se definen como sigue: (1) intercambio
de dos filas, (2) multiplicacin de una fila por un escalar diferente de cero, y (3) el reemplazo de la i-sima fila
por la suma de la i-sima fila y k veces la j-sima fila, siendo k un escalar cualquiera distinto de cero.
Las correspondientes operaciones para las columnas de una matriz son las operaciones elementales de
columna. Las operaciones elementales de fila o de columna pueden utilizarse para obtener la inversa de una
matriz, como lo establece el teorema siguiente.
TEOREMA: Si una matriz

A
se convierte en la matriz identidad por una serie de operaciones de fila o una
serie de operaciones de columna, entonces la misma serie de operaciones realizadas sobre la matriz identidad la
convertirn en

A
1
.
Hay un mtodo normal, que invariablemente es apropiado, para convertir una matriz no singular en la matriz
identidad, o para establecer la singularidad de una matriz que no se puede convertir en la matriz identidad. Tal
mtodo estndar se describe e ilustra a continuacin. La generalidad del mtodo, que es apropiado para cualquier
matriz y puede ser programado para computadora, lo hace especialmente til, aunque para algunos casos
particulares se dispone de mtodos ms breves.
Pasos para Convertir una Matriz Cuadrada en la Matriz Identidad (Eliminacin de Gauss)
1. Dividir la primera fila de la matriz entre el elemento de su primera columna; usar luego la fila resultante para
obtener ceros en la primera columna de cada una de las otras filas.
2. Dividir la segunda fila entre el elemento de su segunda columna; emplear la fila resultante para obtener ceros
en la segunda columna de las dems filas.

M M M
n. Dividir la n-sima fila entre el elemento de su n-sima columna; usar la fila resultante para obtener ceros en la
n-sima columna de las dems filas.
NOTA: En el procedimiento anterior, si en el paso k-simo el elemento en la k-sima columna es cero
intercmbiese esa fila con la siguiente que tenga un elemento diferente de cero en la k-sima columna. Luego
proceda al paso k-simo.
Para obtener la inversa de una matriz

A
se acostumbra trabajar con una tabla o disposicin de la forma.

AI
[ ]
y luego cambiar, por el procedimiento tpico expuesto anteriormente, a la disposicin

I B
[ ]
Entonces, por el teorema anterior,

B
es

A
1
.
Aun si

A
no tuviera inversa, es posible iniciar este procedimiento. En algn paso se obtendr alguna tabla
que no es de la forma apropiada y que no se puede cambiar como se ha expuesto anteriormente. Puede
demostrarse que si el procedimiento de arriba no puede ser completado para obtener

I B
[ ]de

AI
[ ], entonces

A
no tiene inversa.
EJEMPLOS
A.
Encontrar la inversa, si existe, de la matriz

0 2 3
1 3 3
1 2 2





1
]
1
1
1
Siguiendo el procedimiento ya expresado,

Intercambio de la primera
y segunda ilas !aso1 !aso 2
0 2 3 1 0 0
1 3 3 0 1 0
1 2 2 0 0 1





1
]
1
1
1

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





1
]
1
1
1

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





1
]
1
1
1

1 3 3 0 1 0
0 1
3
2

1
2
0 0
0 1 1 0 1 1





1
]
1
1
1
!aso 2 !aso 3 !aso 3
1 0
3
2
3
2
1 0
0 1
3
2

1
2
0 0
0 0
1
2
1
2
1 1





1
]
1
1
1

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

1
2
0 0
0 0 1 1 2 2





1
]
1
1
1

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





1
]
1
1
1
Por lo tanto,

0 2 3
1 3 3
1 2 2





1
]
1
1
1
1

0 2 3
1 3 3
1 2 2





1
]
1
1
1
y esta matriz es igual a su inversa. Observemos que

0 2 3
1 3 3
1 2 2





1
]
1
1
1
0 2 3
1 3 3
1 2 2





1
]
1
1
1

1 0 0
0 1 0
0 0 1





1
]
1
1
1
B.
Obtener la inversa, si existe, de la matriz

1 2 3
1 0 4
0 2 2





1
]
1
1
1

!aso1 !aso 2 !aso 2

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





1
]
1
1
1

1 2 3 1 0 0
0 2 7 1 1 0
0 2 2 0 0 1





1
]
1
1
1

1 2 3 1 0 0
0 1
7
2
1
2
1
2
0
0 2 2 0 0 1





1
]
1
1
1

1 0 4 0 1 0
0 1
7
2
1
2
1
2
0
0 0 5 1 1 1





1
]
1
1
1
!aso 3 !aso 3
1 0 4 0 1 0
0 1
7
2
1
2
1
2
0
0 0 1
1
5
1
5

1
5





1
]
1
1
1

1 0 0
4
5

1
5

4
5
0 1 0
1
5

1
5
7
10
0 0 1
1
5
1
5

1
5





1
]
1
1
1
En consecuencia,

1 2 3
1 0 4
0 2 2





1
]
1
1
1
1

4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5





1
]
1
1
1
Observemos que

1 2 3
1 0 4
0 2 2





1
]
1
1
1

4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5





1
]
1
1
1

1 0 0
0 1 0
0 0 1





1
]
1
1
1
y

4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5





1
]
1
1
1

1 2 3
1 0 4
0 2 2





1
]
1
1
1

1 0 0
0 1 0
0 0 1





1
]
1
1
1
C.
Obtener la inversa, si existe, de la matriz

1 2 1
3 4 5
4 2 6





1
]
1
1
1
Siguiendo el mtodo normal,

!aso1 !aso 2 !aso 2

1 2 1 1 0 0
3 4 5 0 1 0
4 2 6 0 0 1





1
]
1
1
1

1 2 1 1 0 0
0 10 2 3 1 0
0 10 2 4 0 1





1
]
1
1
1

1 2 1 1 0 0
0 1
1
5
3
10
1
10
0
0 10 2 4 0 1





1
]
1
1
1

1 0
7
5
2
5

1
5
0
0 1
1
5
3
10
1
10
0
0 0 0 1 1 1





1
]
1
1
1
No puede continuar el procedimiento, y por lo tanto, la matriz no tiene inversa. Observemos que el proceso pudo
interrumpirse al final del Paso 1; al final del mismo, la matriz izquierda tiene dos filas idnticas, y por
consiguiente, el determinante de la matriz es cero (Propiedad 5), y no tiene inversa. El determinante de la matriz
original es cero tambin (Propiedad 6) y no tiene inversa.
INVERSIN MEDIANTE ADJUNTAS Y DETERMINANTES
Un mtodo alternativo de inversin de matrices implica la obtencin de la adjunta y el determinante de la matriz
que se desea invertir. Si

A
es no singular, es decir, si

A 0
, entonces

A
1

1
A
adj A
EJEMPLOS
A.
Encontrar la inversa, si existe, de la matriz

A
0 2 3
1 3 3
1 2 2





1
]
1
1
1
A 0+6+69+0+4
( )
1
o bien, desarrollando con los elementos de la primera fila,

A 0+2
()
1
()
1+2 1 3
1 2
+3
()
1
()
1+3 1 3
1 2
0+2 2+3
( )
+3
()
2+3
( )
1
o efectuando el desarrollo con los elementos de la segunda columna,

A 2
()
1
()
1+2 1 3
1 2
+3
()
1
()
2+2 0 3
1 2
+2
()
1
()
3+2 0 3
1 3
2 2+3
( )
+3 03
( )
+2 00+3
( )
1
Obteniendo las adjuntas

C
11
1
( )
1+1 3 3
2 2
6+6 0 C
12
1
( )
1+2 1 3
1 2
2+3
( )
1 C
13
1
( )
1+3 1 3
1 2
2+31
C
21
1
( )
2+1 2 3
2 2
4 6
( )
2 C
22
1
( )
2+2 0 3
1 2
033 C
23
1
( )
2+3 0 2
1 2
02
( )
2
C
31
1
( )
3+1 2 3
3 3
6+9 3 C
32
1
( )
3+2 0 3
1 3
0+3
( )
3 C
33
1
( )
3+3 0 2
1 3
0+2 2
Por lo tanto,

adj A C
i j ( )

0 2 3
1 3 3
1 2 2





1
]
1
1
1

A
1

1
A
adj A
0 2 3
1 3 3
1 2 2





1
]
1
1
1
(como se obtuvo en un ejemplo anterior por el procedimiento tpico de operaciones de fila).
B.
Obtener la inversa, si existe, de la matriz

A
1 2 3
1 0 4
0 2 2





1
]
1
1
1
A 0+060+84
( )
10
O bien, desarrollando con los elementos de la primera columna,

A 1
()
1+1 0 4
2 2
1
()
2+1 2 3
2 2
+0 08
( )
+4 6
( )
10
Efectuando el desarrollo con los elementos de la segunda fila,

A 1
()
1
()
2+1 2 3
2 2
+0+4 1
()
2+3 1 2
0 2
4 6
( )
+0+4
()
20
( )
10
Obteniendo las adjuntas queda

C
11
1
( )
1+1 0 4
2 2
08 8 C
12
1
( )
1+2 1 4
0 2
2+0
( )
2 C
13
1
( )
1+3 1 0
0 2
2+0 2
C
21
1
( )
2+1 2 3
2 2
4 6
( )
2 C
22
1
( )
2+2 0 3
0 2
2+0 2 C
23
1
( )
2+3 1 2
0 2
2+0
( )
2
C
31
1
( )
3+1 2 3
0 4
8+0 8 C
32
1
( )
3+2 1 3
1 4
4 +3
( )
7 C
33
1
( )
3+3 1 2
1 0
0+2 2
Por tanto,

adj A C
i j ( )

8 2 8
2 2 7
2 2 2





1
]
1
1
1

A
1

1
A
adj A
4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5





1
]
1
1
1
(como se obtuvo en un ejemplo anterior por el procedimiento estndar de operaciones de fila).
C.
Obtener la inversa, si existe, de la matriz

A
1 2 1
3 4 5
4 2 6





1
]
1
1
1
A 24 +64016+1036
( )
0
Luego A es singular, es decir, A carece de inversa
En general, la inversin por operaciones de fila o de columna es menos laboriosa si los elementos de la matriz
son nmeros enteros pequeos; la inversin por determinantes y adjuntas implica menos trabajo si los elementos
de la matriz son fracciones o nmeros grandes. En el caso de matrices voluminosas ambos mtodos resultan
tediosos y se deben usar computadoras electrnicas.
A no ser que se tenga una buena razn para pensar que una matriz es no singular, como en algunas
aplicaciones prcticas, resulta aconsejable primero encontrar su determinante, aun si se pretende utilizar el
mtodo de inversin por operaciones de fila o de columna. Pueden necesitarse algunas operaciones de fila o de
columna antes de que la singularidad de una matriz se haga evidente usando este mtodo de inversin, y por
consiguiente, muchos clculos innecesarios pueden evitarse estableciendo primero la existencia de la inversa
antes de pretender obtenerla (por cualquier mtodo).
INVERSIN DE MATRICES SUBDIVIDIDAS
Algunas veces es conveniente obtener la inversa de una matriz dispuesta en la forma particionada. Si una matriz
A, de orden n x n se subdivide como sigue

A
A
11
A
12
A
21
A
22



1
]
1
en donde

A
11
es n1 x n1,

A
12
es n1 x n2,

A
21
es n2 x n1,

A
22
es n2 x n2, y n1 + n2 = n, entonces,

A
1

A
11
1
I +A
12
B
1
A
21
A
11
1
[ ]
A
11
1
A
12
B
1
B
1
A
21
A
11
1
B
1




1
]
1
1
en donde

BA
22
A
21
A
11
1
A
12
y A
11
y B son no singulares. Este resultado se puede probar directamente por
multiplicacin:

A
11
A
12
A
21
A
22



1
]
1

A
11
1
I +A
12
B
1
A
21
A
11
1
[ ]
A
11
1
A
12
B
1
B
1
A
21
A
11
1
B
1




1
]
1
1

I 0
0 I



1
]
1
puesto que

A
11
A
11
1
I +A
12
B
1
A
21
A
11
1
[ ]
A
12
B
1
A
21
A
11
1
I
A
11
A
11
1
A
12
B
1
+A
12
B
1
0
A
21
A
11
1
I +A
12
B
1
A
21
A
11
1
[ ]
A
22
B
1
A
21
A
11
1
I +A
21
A
11
1
A
12
B
1
A
22
B
1
[ ]
A
21
A
11
1
A
21
A
11
1
A
12
A
22 [ ]
B
1
I BB
1
[ ]
A
21
A
11
1
0
A
21
A
11
1
A
12
B
1
+A
22
B
1
A
21
A
11
1
A
12
+A
22 [ ]
B
1
BB
1
I
EJEMPLOS
A.
Encontrar la inversa, si existe, de la matriz

0 2 3
1 3 3
1 2 2





1
]
1
1
1
Subdividiendo la matriz,

0 2 3
1 3 3
1 2 2





1
]
1
1
1

A
11
A
12
A
21
A
22



1
]
1
y

A
11
1
I +A
12
B
1
A
21
A
11
1
[ ]

3
2
1

1
2
0



1
]
1
1 0
0 1



1
]
1
+
3
3



1
]
1
2
[ ]
1, 2
[ ]
3
2
1

1
2
0



1
]
1




_
,

3
2
1

1
2
0



1
]
1
1 0
0 1



1
]
1
+
6 12
6 12



1
]
1
3
2
1

1
2
0



1
]
1




_
,

3
2
1

1
2
0



1
]
1
1 0
0 1



1
]
1
+
3 6
3 6



1
]
1



_
,

3
2
1

1
2
0



1
]
1
2 6
3 7



1
]
1

0 2
1 3



1
]
1
en donde

BA
22
A
21
A
11
1
A
12
2
[ ]
1, 2
[ ]
3
2
1

1
2
0



1
]
1
3
3



1
]
1
2
[ ]

1
2
, 1
[ ]
3
3



1
]
1
2
3
2
( )

1
2
y

B
1
2
[ ]
A
11
1
A
12
B
1

3
2
1

1
2
0



1
]
1
3
3



1
]
1
2
[ ]

3
2
1

1
2
0



1
]
1
6
6



1
]
1

3
3



1
]
1
B
1
A
21
A
11
1
2
[ ]
1, 2
[ ]
3
2
1

1
2
0



1
]
1
2, 4
[ ]
3
2
1

1
2
0



1
]
1
1, 2
[ ]
luego entonces

0 2 3
1 3 3
1 2 2





1
]
1
1
1
1

0 2 3
1 3 3
1 2 2





1
]
1
1
1
como se obtuvo anteriormente.
B.
Obtener la inversa, si existe, de la matriz

1 2 3
1 0 4
0 2 2





1
]
1
1
1
Efectuando la subdivisin de la matriz

1 2 3
1 0 4
0 2 2





1
]
1
1
1

A
11
A
12
A
21
A
22



1
]
1
y

A
11
1
I +A
12
B
1
A
21
A
11
1
[ ]
1
[]
1
[]
+ 2, 3
[ ]

1
5
7
10
1
5

1
5



1
]
1
1
0



1
]
1
1
[]




_
,


1
[]
1
[]
+
1
5
,
4
5
[ ]
1
0



1
]
1



_
,

1 1
1
5
( )

4
5
en donde

BA
22
A
21
A
11
1
A
12

0 4
2 2

1
]
1

1
0

1
]
1
1
[]
2, 3
[ ]

0 4
2 2

1
]
1

2 3
0 0

1
]
1

2 7
2 2

1
]
1
y

B
1

1
5
7
10
1
5

1
5



1
]
1
A
11
1
A
12
B
1
1
[ ]
2, 3
[ ]

1
5
7
10
1
5

1
5



1
]
1

1
5
,
4
5
[ ]
B
1
A
21
A
11
1

1
5

7
10

1
5
1
5



1
]
1
1
0



1
]
1
1
[]

1
5
1
5



1
]
1
Por lo tanto,

1 2 3
1 0 4
0 2 2





1
]
1
1
1
1

4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5





1
]
1
1
1
como se obtuvo con anterioridad.
PROPIEDADES DE LAS INVERSAS
Las siguientes propiedades de las inversas frecuentemente son tiles en su valuacin.
1. La inversa de la inversa de una matriz es la matriz original, es decir,

A
1
[ ]
1
A
.
2. El determinante de la inversa de una matriz es igual al recproco del determinante de la matriz; es decir,

A
1
1" A
.
3. La inversa de la transpuesta de una matriz es igual a la transpuesta de la inversa de la matriz; es decir,

[]
1
A
1
[]

.
4. La inversa del producto de dos matrices es igual al producto de sus inversas en orden contrario; es decir,

AB
[]
1
B
1
A
1
.
EJEMPLO
Si

A
1 2 3
1 0 4
0 2 2





1
]
1
1
1
, entonces

A
1

4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5





1
]
1
1
1
(ver ejemplo anterior)
(Propiedad 1)

A
1
[ ]
1

4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5





1
]
1
1
1
1

1 2 3
1 0 4
0 2 2





1
]
1
1
1
A
es decir,

A
1
[ ]
1
A
(Propiedad 2)

A
1 2 3
1 0 4
0 2 2
0+060+84
( )
10
A
1

4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5

1
125
4
7
2
+4 4 +14 1
( ) [ ]

1
125
( )

25
2
( )

1
10
es decir,

A
1

1
A
.
(Propiedad 3)

( )
1

1 1 0
2 0 2
3 4 2





1
]
1
1
1
1

4
5

1
5
1
5

1
5

1
5
1
5

4
5
7
10

1
5





1
]
1
1
1

A
1
[ ]

4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5





1
]
1
1
1

4
5

1
5
1
5

1
5

1
5
1
5

4
5
7
10

1
5





1
]
1
1
1
As pues,

[]
1
A
1
[]

.
(Propiedad 4)
Si

B
1 3 1
0 2 0
2 0 4





1
]
1
1
1
, entonces

B
1

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





1
]
1
1
1

AB
1 2 3
1 0 4
0 2 2





1
]
1
1
1
1 3 1
0 2 0
2 0 4





1
]
1
1
1

7 7 13
7 3 15
4 4 8





1
]
1
1
1

AB
1

7 7 13
7 3 15
4 4 8





1
]
1
1
1
1

21
10

1
10
18
5

1
10

1
10
7
20
1 0
7
4





1
]
1
1
1

B
1
A
1

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





1
]
1
1
1
1

4
5

1
5

4
5

1
5

1
5
7
10
1
5
1
5

1
5





1
]
1
1
1

21
10

1
10
18
5

1
10

1
10
7
20
1 0
7
4





1
]
1
1
1
De modo que

AB
[]
1
B
1
A
1
.
PROBLEMAS
Para cada una de las siguientes matrices, evaluar el determinante y obtener su inversa, si existe.
Emplear matrices particionadas para verificar los resultados.

1.
0 2 1
1 3 4
1 1 1





1
]
1
1
1
2.
3 1 3
3 3 1
2 0 3





1
]
1
1
1
3.
3 2 1
4 3 1
1 2 4





1
]
1
1
1
4.
1 2 1
0 3 2
4 1 0





1
]
1
1
1
5.
2 4 6
1 2 3
1 4 9





1
]
1
1
1
6.
2 3 4
4 3 1
1 2 4





1
]
1
1
1
7. Si

A
3 2 2
0 1 4
1 0 5





1
]
1
1
1
B
1 0
0 1
0 1





1
]
1
1
1
C
1 1 1
1 1 1



1
]
1
#
3 2
2 3



1
]
1
encuentre

a. det AB
[]

#
[ ]

b. BC
[ ]
1

c. #
2
[ ]
1
8. Si

A
3 1
4 0
2 1





1
]
1
1
1
B
2 1
1 2
1 1





1
]
1
1
1
C
3 4
2 2



1
]
1
encuentre

a. ABC
[ ]

b. A

B
[ ]
1
9. Si

A
2 1
1 2



1
]
1
B
1 0
0 1



1
]
1
C
1 2
3 4
1 2





1
]
1
1
1
#
0 1 0
1 1 1



1
]
1
encuentre

a. A+B2#C

b. A
1
B
1

c. C A+B
[ ]
B
1

d. CA
1
B
1
#
10. Si

A
0 1 1
3 2 3
2 2 3





1
]
1
1
1
B
4 3 3
2 1 2
3 3 2





1
]
1
1
1
demuestre que

a. A
2
B
2

1
2
A+B
[ ] [ ]
2
I

b. AB
[ ]
2
$
Respuestas a los Problemas de Nmero Impar

1. det 10,
1
10

1
10

11
10

3
10

1
10

1
10

2
5
1
5
1
5





1
]
1
1
1
3. det 1,
14 10 1
15 11 1
11 8 1





1
]
1
1
1
5. det 24,
1
4

1
2
0
1
2
1
2

1
2

1
4

1
6
1
3





1
]
1
1
1

1. det 10,
1
10

1
10

11
10

3
10

1
10

1
10

2
5
1
5
1
5





1
]
1
1
1
3. det 1,
14 10 1
15 11 1
11 8 1





1
]
1
1
1
5. det 24,
1
4

1
2
0
1
2
1
2

1
2

1
4

1
6
1
3





1
]
1
1
1
7. a. 39 b. no existe la inversa c.
5
169
12
169

12
169
5
169



1
]
1
9. a.
3 7
9 13



1
]
1
b.
2
3

1
3

1
3
2
3



1
]
1
c.
5 7
13 15
5 7





1
]
1
1
1
d.
1 1 1
5
3
7
3
5
3
1 1 1





1
]
1
1
1
1.9 ECUACIONES LINEALES SIMULTNEAS
Muchos anlisis de modelos econmicos y otros sistemas lineales requieren la resolucin de conjuntos de
ecuaciones lineales simultneas. Los conceptos y las operaciones del lgebra matricial son de gran utilidad en la
determinacin de la existencia y naturaleza de soluciones de sistemas o conjuntos de ecuaciones lineales
simultneas, y en la obtencin de dichas soluciones cuando existen. En esta seccin se definen los conceptos de
dependencia lineal de un conjunto de vectores y el concepto de rango de una matriz, y adems se aplican tales
nociones para determinar si un conjunto de ecuaciones lineales simultneas tiene solucin nica. Por ltimo, se
exponen mtodos para resolver un conjunto de ecuaciones lineales simultneas.
DEPENDENCIA LINEAL Y RANGO
Un conjunto de m vectores

a
1
, a
2
,...,a
m
cada uno con n elementos, se dice que es linealmente dependiente si
existe una combinacin lineal (no trivial) de los vectores, que sea igual al vector cero con n elementos. Es decir,
si existe un conjunto de nmeros

1
,
2
,...
m
con al menos uno de ellos (distinto de cero).

1
a
1
+
2
a
2
+...+
m
a
m

i
a
i
i1
m

0
entonces el conjunto de vectores

a
1
, a
2
,...,a
m
se dice que es linealmente dependiente. Si no existe un
conjunto de trminos (excepto cuando todos valen cero) de modo que

i
a
i
i1
m

0, se dice que el conjunto

de vectores es linealmente independiente.
Puede considerarse a una matriz como un conjunto de vectores fila o un conjunto de vectores columna. Es
demostrable que para cualquier matriz, el nmero de filas linealmente independiente es igual al nmero de
columnas linealmente independientes; este nmero es el rango de la matriz. De modo que si una matriz es m x n
y su rango se denota por r, entonces r min (m, n).
EJEMPLOS

A.
Determinar el rango de la matriz

1 4
5 10
3 2





1
]
1
1
1
Min (m, n) = 2, por tanto, r 2.
Cada posible par de filas es linealmente independiente, Tambin lo son las dos columnas. De ah que el rango
de la matriz es 2.
B.
Determinar el rango de la matriz

3 6
1 2
2 4





1
]
1
1
1

Min (m, n) = 2, por tanto, r 2.
Cada posible par de filas es linealmente dependiente. ya que
(primera fila) - 3(segunda fila) = 0
2(primera fila) - 3(tercera fila) = 0
2(segunda fila) - (tercera fila) = 0
Ntese que las dos columnas son tambin linealmente dependientes, puesto que 2 (primera columna) - (segunda
columna) = 0.
El rango de la matriz es 1.
El siguiente resultado (muy til) proporciona un mtodo sistemtico para probar la dependencia lineal:
Considerar todas las submatrices cuadradas de A cuyos determinantes sean distintos de cero. El rango de A es el
orden del determinante de mayor orden. Por lo tanto, un mtodo para calcular el rango de una matriz es buscar el
determinante no nulo de mayor orden de la matriz o de una submatriz; el orden de este determinante es el rango
de la matriz.
Las siguientes propiedades son tiles para determinar el rango de una matriz:
1. Puesto que el determinante de una matriz diagonal es igual al producto de sus elementos diagonales,
si

A
es una matriz diagonal, entonces

r A
()es el nmero de elementos diagonales distintos de cero en

A
. En particular

r I
n
( )
n
.
2. Puesto que cualquier submatriz de

A
es la transpuesta de una submatriz de A y como

B B ,
entonces

r A
()
r A
().
3. El rango del producto de dos matrices no puede exceder al menor rango de las dos matrices; es decir,

r AB
()
min r A
()
, r B
() { }.
4. Si

A
es una matriz n x n, (cuadrada), entonces

r A
()
n
si y slo si

A
es no singular;

r A
()
<n

slo si

A
es singular. Luego, si una matriz cuadrada es singular; sus filas (y tambin sus columnas) son
linealmente dependientes; si es no singular, son linealmente independientes.
Considere la solucin de un sistema general de n ecuaciones lineales en n variables

x
1
, x
2
,...x
n
,

y A
x
en donde

y
es n x 1,

A
es n x n y x es n x 1. Si

A
es no singular, la nica solucin es

x A
1
y
y recprocamente, si

y A
x
tiene una nica solucin, entonces

A
es no singular.
Ms generalmente, si

y A
x
, entonces el conjunto completo de ecuaciones es compatible y tiene por lo
menos una solucin si

r A
()
r A y
( ). La solucin es nica slo si

r A
()
r A y
( )
n
, es decir si y slo si

A
es no singular.
En el caso especial (homogneo)

y 0
, si

A
es no singular, la nica solucin es

x 0
, y no puede haber
solucin distinta de cero. Por lo tanto, cuando el conjunto de ecuaciones

A
x
0 tiene una solucin diferente de
cero,

A
debe ser singular.
Supngase que

y A
x
y

A
es m x n (no cuadrada), es decir, que hay m ecuaciones en n variables, en
donde m puede ser menor que, igual a, o mayor que n; entonces

r A
()
min m, n
( ).
El siguiente resumen acerca de la solucin de ecuaciones lineales simultneas se aplica al caso general de m
ecuaciones en n variables, y tambin al caso especial de n ecuaciones en n variables.

Si

r A y
( )
r A
(), entonces todas las ecuaciones en el conjunto son lgicamente compatibles y hay por lo
menos una solucin.
Si

r A y
( )
r A
()
n
, hay una solucin nica.
Si

r A y
( )
r A
()
<n
, hay un nmero infinito de soluciones y las filas (y columnas) de

A
son linealmente
dependientes.
Si

r A y
( )
r A
(), no son lgicamente compatibles las ecuaciones del conjunto y no hay solucin.
EJEMPLOS
A.
Considerar el siguiente conjunto de ecuaciones lineales simultneas,

x +2y & 10
2x +4y 2& 5
x +y +& 6
El determinante de la matriz

A
de coeficientes es igual a cero

1 2 1
2 4 2
1 1 1
4 4 24 2+4
( )
0
y el rango de la matriz no es 3, sino que es igual a 2, ya que, por ejemplo,

2 4
1 1
24 2 0
La matriz aumentada

A '
[ ]

1 2 1 10
2 4 2 5
1 1 1 6





1
]
1
1
1
tiene rango 3 ya que, por ejemplo,

2 1 10
4 2 5
1 1 6
24 5+4020+1024
( )
45 0
Por tanto,

r A
()
r A y
( )y el conjunto de ecuaciones no tiene solucin, puesto que no todas son compatibles.
Ntese que, por ejemplo, la primera y la segunda ecuaciones son claramente incompatibles.
B.
Considerar el siguiente conjunto de ecuaciones lineales simultneas:

x +2y & 10
2x +4y 2& 20
x +y +& 6
La matriz de los coeficientes es igual a la del ejemplo anterior, y su rango es 2. La matriz aumentada

A y
( )

1 2 1 10
2 4 2 20
1 1 1 6





1
]
1
1
1

tambin es de rango 2, ya que

1 2 10
2 4 20
1 1 6

1 1 10
2 2 20
1 1 6

2 1 10
4 2 20
1 1 6
0
Por tanto,

r A
()
r A y
( )
2 n 3
, puesto que n = 3, y el conjunto de ecuaciones tiene un nmero no finito
de soluciones; las filas (y las columnas) de la matriz de coeficientes son linealmente dependientes. Ntese que la
primera y la segunda ecuaciones son linealmente dependientes.

C.
Considerar el siguiente sistema o conjunto de ecuaciones lineales simultneas,

x +2y & 10
2x +4y 2& 5
x +y +& 6
El determinante de la matriz de coeficientes

A
es diferente de cero.

1 2 1
2 4 2
1 1 1
4 4 24 2+4
( )
16
y el rango de la matriz es 3; el rango de la matriz aumentada es tambin igual a 3. Por lo tanto,

r A
()
r A y
( )
3n
y el conjunto de ecuaciones tiene una solucin nica.
PROBLEMAS
Determinar el rango de cada una de las matrices siguientes:

1.
1 2
0 1



1
]
1
2.
1 2 3
1 0 1
0 4 8





1
]
1
1
1
3.
1 1 0
1 2 3
0 1 2





1
]
1
1
1
4.
1 1 0
1 1 0
2 2 0





1
]
1
1
1
5.
1 3
2 6



1
]
1

6.
2 1 4
0 1 5
2 0 9





1
]
1
1
1
7.
3 1 2
2 5 4
4 3 1





1
]
1
1
1
8.
1 2 3
2 3 1
0 1 5





1
]
1
1
1
9.
3 1 0 2
2 1 5 2
0 4 6 3
3 5 6 1






1
]
1
1
1
1
10.
2 1 3 0
3 3 4 2
4 5 11 4
1 2 7 2






1
]
1
1
1
1
Respuestas a los Problemas de Nmero Impar

1. rango 2 3. rango 3 5. rango1 7. rango 3 9. rango 3

SOLUCIN DE ECUACIONES LINEALES SIMULTANEAS
Hay varios mtodos para resolver un sistema de ecuaciones lineales simultneas que tiene solucin nica. Varios
de estos mtodos se tratan en esta seccin. Si uno de los mtodos se aplica a un conjunto de ecuaciones lineales
que no tiene solucin nica, el mtodo no puede terminar, indicando, por consiguiente, que no hay solucin
nica.
Como se indic antes, un conjunto de n ecuaciones lineales simultneas en n incgnitas se puede escribir en
forma matricial como

A
nn
X
n1
c
n1
y la solucin obtenida por inversin de

A
se puede denotar por

X
n1
A
nn
1
c
n1
De otra forma, el procedimiento estndar descrito previamente se puede usar para cambiar la disposicin

A I c
( )
a la forma

I A
1
x
( )
el cual se puede obtener la solucin directamente.
Un tercer mtodo matricial para resolver ecuaciones lineales simultneas est dado por la regla de Cramer:
La solucin de

A
nn
X
n1
c
n1
se puede obtener como los cocientes de determinantes

x
1

c
1
a
12
L a
1n
c
2
a
22
L a
2n
M M M
c
n
a
n2
L a
nn
A
x
2

a
11
c
1
L a
1n
a
21
c
2
L a
2n
M M M
a
n1
c
n
L a
nn
A
x
n

a
11
a
12
L c
1
a
21
a
22
L c
2
M M M
a
n1
a
n2
L c
n
A
Para cada

x
i
, i 1, 2,..., n, el denominador es el determinante de la matriz de los coeficientes, y el
numerador es el determinante de la matriz de los coeficientes con la i-sima columna reemplazada por la
columna de los trminos constantes del segundo miembro de las ecuaciones. Observemos que si no hay solucin
nica para un conjunto de ecuaciones lineales,

A 0
y estos cocientes no estn definidos,
EJEMPLOS
A.
Resolver el sistema de ecuaciones lineales simultneas

3x
1
+x
2
x
3
2
x
1
2x
2
+x
3
9
4x
1
+3x
2
+2x
3
1
Aplicar el procedimiento normal a la disposicin

A I c
( )
para obtener

I A
1
x
( )
Entonces la solucin se puede obtener directamente de

I x
( )
o bien, obtenerse como

x A
1
c

3 1 1 1 0 0 2
1 2 1 0 1 0 9
4 3 2 0 0 1 1





1
]
1
1
1

1 2 1 0 1 0 9
3 1 1 1 0 0 2
4 3 2 0 0 1 1





1
]
1
1
1

1 2 1 0 1 0 9
0 7 4 1 3 0 29
0 11 2 0 4 1 37





1
]
1
1
1
1 0
1
7
2
7
1
7
0
5
7
0 1
4
7
1
7

3
7
0
29
7
0 0
30
7

11
7
5
7
1
60
7





1
]
1
1
1

1 0 0
7
30
1
6
1
30
1
0 1 0
1
15

1
3
2
15
3
0 0 1
11
30
1
6
7
30
2





1
]
1
1
1
Por tanto, leyendo directamente en la tabla

x
1
x
2
x
3





1
]
1
1
1

1
3
2





1
]
1
1
1
o usando la matriz inversa,

x A
1
c
,

x
1
x
2
x
3





1
]
1
1
1

7
30
1
6
1
30

1
15

1
3
2
15

11
30
1
6
7
30





1
]
1
1
1
2
9
1





1
]
1
1
1

1
3
2





1
]
1
1
1
En la prctica, se obtendra la solucin a partir de

x A
1
c
si y slo si

A
1
se hubiera obtenido sin la tabla

I A
1
x
( ).
Por medio de la regla de Cramer.

A
3 1 1
1 2 1
4 3 2
12+4 38+9+2
( )
30

x
1

2 1 1
9 2 1
1 3 2
30

8+1+272+618
( )
30

30
30
1

x
2

3 2 1
1 9 1
4 1 2
30

54 +8136+3+4
( )
30

90
30
3

x
3

3 1 2
1 2 9
4 3 1
30

636+61681+1
( )
30

60
30
2
B.
Resolver el sistema de ecuaciones lineales simultneas

x
1
+x
2
x
3
6
3x
1
4x
2
+2x
3
2
2x
1
+5x
2
+x
3
0
Aplicando el procedimiento normal a la disposicin

A I c
( )
para obtener la tabla

I A
1
x
( )

1 1 1 1 0 0 6
3 4 2 0 1 0 2
2 5 1 0 0 1 0





1
]
1
1
1

1 1 1 1 0 0 6
0 7 5 3 1 0 20
0 3 3 2 0 1 12





1
]
1
1
1
1 0
2
7
4
7
1
7
0
22
7
0 1
5
7
3
7

1
7
0
20
7
0 0
36
7

23
7
3
7
1
144
7





1
]
1
1
1

1 0 0
7
18
1
6
1
18
2
0 1 0
1
36

1
12
5
36
0
0 0 1
23
36
1
12
7
36
4





1
]
1
1
1
De modo que leyendo directamente en la tabla,

x A
1
c

x
1
x
2
x
3





1
]
1
1
1

2
0
4





1
]
1
1
1
o, haciendo uso de la matriz inversa,

x
1
x
2
x
3





1
]
1
1
1

7
18
1
6
1
18

1
36

1
12
5
36

23
36
1
12
7
36





1
]
1
1
1
6
2
0





1
]
1
1
1

2
0
4





1
]
1
1
1
Por la regla de Cramer.

A
1 1 1
3 4 2
2 5 1
4 +4 158+10+3
( )
36

x
1

6 1 1
2 4 2
0 5 1
36

24 +0+100+602
( )
36

72
36
2

x
2

1 6 1
3 2 2
2 0 1
36

2+24 +04 +0+18

( )
36
0

x
3

1 1 6
3 4 2
2 5 0
36

04 +904810+0
( )
36

144
36
4
PROBLEMAS
Para cada uno de los siguientes conjuntos de ecuaciones lineales simultneas, determine si hay una solucin
nica y obtenga la solucin si existe.

1. x +2y 1 2. x +y 2& 5 3. x
1
+x
2
+x
3
3 4. 3x y +2& 2
3x +2y 1 2x 4y +3& 6 2x
1
x
2
x
3
0 x +y +& 5
3x 3y +& 11 3x
1
+4x
2
+x
3
8 2x 2y +& 3

5. x 5y +6& 7 6. x
1
3x
2
2 7. x
1
4x
2
1 8. x
1
+x
2
+x
3
9
3x +3y & 8 2x
1
+7x
2
3 3x
1
2x
2
x
3
0 3x
1
+2x
3
17
2x +8y 7& x
1
+x
3
3 x
2
+x
3
10

9. 3x y 0 10. 3x
1
4x
2
3 11. 4x
1
5x
2
7x
3
15 12. 5x
1
2x
2
+x
3
12
2x +4y 14 6x
1
+x
2
3 3x
1
+2x
2
6x
3
8 2x
1
+2x
2
3x
3
7
x
1
7x
2
x
3
6 x
1
6x
2
+7x
3
2

13. 2x
1
+3x
2
+x
3
0 14. x
1
+5x
2
4x
3
0 15. 3x
1
3x
2
+4x
3
18 16. x
1
+x
2
+6x
3
2
4x
1
8x
2
6x
3
2 3x
1
x
2
+4x
3
4 4x
1
4x
2
+4x
3
24 3x
1
+2x
2
+x
3
0
6x
1
+x
2
x
3
0 2x
1
+3x
2
8x
3
0 2x
1
2x
2
+4x
3
6 2x
1
+x
2
+5x
3
2

17. x
1
+2x
2
0 18. x
1
+x
2
+x
3
4
x
1
+x
2
+x
3
2 2x
1
+3x
2
+2x
3
5
2x
1
+2x
2
+3x
3
7 3x
1
+4x
2
3x
3
3
Respuestas a los Problemas de Nmero Impar

1. x 0, y
1
2
3. x
1
1, x
2
1, x
3
1 5. linealmente dependientes, no (ay soluci)n *nica
7. x
1
1, x
2

1
2
, x
3
2 9. x 1, y 3 11. incompatibles, no (ay soluci)n
13. x
1

1
2
, x
2
1, x
3
2 15. incompatibles, no (ay soluci)n 17. x
1
2, x
2
1, x
3
3
1.10 RACES Y VECTORES CARACTERSTICOS DE UNA MATRIZ
Las races y vectores caractersticos de una matriz A de orden n x n se obtienen resolviendo la ecuacin

Ax x
para determinar un

y un vector

x 0
. El escalar

es una raz caracterstica de

A
, y

x es un vector
caracterstico de

A
. Asimismo, las races y los vectores caractersticos se conocen como races y vectores
latentes, o bien, eigenvalores y eigenvectores.
*
DETERMINACIN DE LAS RACES CARCTERSTICAS
La ecuacin

Ax x o AI [ ]x 0 tiene una solucin no trivial,

x 0
, si y slo si

A I [ ]es singular, es
decir, slo si

AI 0
este determinante es un polinomio de n-simo grado en

, y por lo tanto,

A
tiene n races caractersticas,

1
,
2
,...,
n
, que no necesariamente son distintas.
*
N. del S. La partcula eigen utilizada como prefijo en estos trminos significa propio o caracterstico. Proviene del alemn y se
pronuncia aiguen. De manera que la palabra hbrida eigenvalor se dice aiguenvalor.
Consideremos la matriz general 2 x 2

A
a
11
a
12
a
21
a
22



1
]
1
De ah que,

Ax x o AI [ ]x 0 puede expresarse como

a
11

( )
x
1
+a
12
x
2
0 a
21
x
1
+a
22

( )
x
2
0
que tiene un solucin no trivial,

x 0
, si y slo si

AI 0; es decir,

a
11
a
12
a
21
a
22

0
a
11

( )
a
22

( )
a
12
2
0

2
a
11
+ a
22
( )
+ a
11
a
22
a
12
a
21
( )
0
cuya solucin es

1
2
a
11
+a
22 ( )
+a
11
+a
22 ( )
2
4 a
11
a
22
a
12
a
21 ( )

1
]
1

1
2
a
11
+a
22 ( )
+a
11
+a
22 ( )
2
4 a
11
a
22
a
12
a
21 ( )

1
]
1
Para el caso especial de una matriz simtrica

a
12
a
21
, la solucin es

1
2
a
11
+a
22 ( )
+a
11
+a
22 ( )
2
4a
12
2

1
]
1

1
2
a
11
+a
22 ( )
+a
11
+a
22 ( )
2
4a
12
2

1
]
1
Obsrvese que las races caractersticas de una matriz simtrica siempre son reales, ya que la expresin

a
11
a
22
( )
2
+4a
12
2
siempre es no negativa.
EJEMPLO
Obtener las races caractersticas de la matriz

A
10 3
3 2



1
]
1

A
es una matriz simtrica, y sus races caractersticas estn dadas por

1
2
a
11
+a
22 ( )
2
ta
11
a
22 ( )
2
+4a
12
2

1
]
1

1
2
12t64 +36
[ ]
11,1
PROPIEDADES DE LAS RACES CARACTERSTICAS
Estos elementos tienen las siguientes propiedades:
1. Las races caractersticas de una matriz simtrica real son reales.
2. El producto de las races caractersticas de una matriz

A es igual

A ; es decir,

i1
n

i
A
.
3. La suma de las races caractersticas de una matriz

A
es igual a la traza
*
de

A
; esto es,

i
i1
n

tr A
().
4. La races caractersticas de una matriz diagonal son sus elementos diagonales. Obsrvese que en el ejemplo
anterior

i1
2

i
11A y
i
i1
2

12 tr A
()
.
DETERMINACIN DE LOS VECTORES CARACTERSTICOS
Un vector caracterstico,

x
i
se halla relacionado con cada raz caracterstica

i
de

A
, lo cual satisface el
sistema homogneo de ecuaciones

A
i
I
[ ]
x
i
0
Por definicin de las races caractersticas,

AI [ ]0, y siempre existe una solucin no trivial para

x
i
. No
obstante, los elementos de

x
i
slo se determinan con base en un factor de escala, dado que si

x
i
satisface a

A
i
I
[ ]
x
i
0, tambin lo hace

kx
i
en donde

k
es una constante arbitraria. Los vectores caractersticos
suelen normalizarse de manera que

x
i
x
j
1
para todo valor de

i
.
EJEMPLO
En el caso de la matriz

A
dada en el ejemplo anterior, las races caractersticas son

1
11 y
2
1. Los
vectores caractersticos correspondientes se pueden obtener como sigue.
Para

1
11,

A
1
I [ ]x
1

10 3
3 2



1
]
1

11 0
0 11



1
]
1



1
]
1
x
11
x
12



1
]
1

0
0



1
]
1
x
11
+3x
12
0
3x
11
9x
12
0
x
11
3x
12
Normalizando de modo que

x
1
x
1
1

x
11
2
+ x
12
2
1
9x
12
2
+ x
12
2
1
x
12

1
10
x
11

3
10
x
1

3
10
,
1
10



1
]
1
Para

2
1,
*
N del R. La traza es la suma de los elementos de las diagonal principal.

AI [ ]x
2

10 3
3 2



1
]
1

1 0
0 1



1
]
1



1
]
1
x
21
x
22



1
]
1

0
0



1
]
1
9x
21
+3x
22
0
3x
21
+x
22
0
x
22
3x
21
Al normalizar de modo que

x
2
x
2
1

x
21
2
+ x
22
2
1
x
21
2
+ x
21
2
1
x
21

1
10
x
22

3
10
x
2

1
10
,
3
10



1
]
1
Observemos que

x
1
x
2
x
2
x
1
0. As pues,

x
1
y

x
2
son vectores ortogonales. Un conjunto de vectores
ortogonales normalizados es un conjunto ortonormal. Como

x
1
y

x
2
estn normalizados, constituyen un
conjunto ortonormal.
PROPIEDADES DE LOS VECTORES CARACTERSTICOS
Estos elementos tienen las siguientes propiedades:
1. Los vectores caractersticos de una matriz simtrica real son ortogonales.
2. Si una raz caracterstica tiene multiplicidad

k
, esto es, si es repetida

k
veces, habr

k
vectores
ortogonales correspondientes a esta raz.
EJEMPLO
Determinar las races y los vectores caractersticos de la matriz

A
2 1 1
1 2 1
1 1 2





1
]
1
1
1
A fin de que los vectores caractersticos no sean triviales,

AI [ ]0; esto es,

2 1 1
1 2 1
1 1 2
812+6
2

3
+23 2
( )
0

3
6
2
+94 0
4,1,1
Para

4
, el vector caracterstico correspondiente es la solucin de las ecuaciones lineales simultneas.

A I [ ]x
1
0

2 1 1
1 2 1
1 1 2





1
]
1
1
1
x
11
x
12
x
13





1
]
1
1
1

0
0
0





1
]
1
1
1
2x
11
+x
12
+x
13
0
x
11
2x
12
+x
13
0
x
11
+x
12
2x
13
0
de modo que

x
11
x
12
x
13
Al normalizar de modo que

x
1
x
1
1,

x
11
2
+x
12
2
+x
13
2
1 x
11
x
12
x
13

1
3
y x
1

1
3
,
1
3
,
1
3



1
]
1
Para

1
, el vector caracterstico correspondiente es la solucin de las ecuaciones lineales simultneas,

A I [ ]x
2
0
1 1 1
1 1 1
1 1 1





1
]
1
1
1
x
21
x
22
x
23





1
]
1
1
1

0
0
0





1
]
1
1
1
x
21
+ x
22
+ x
23
0
cuya solucin general es

a, b, a b [ ]
en donde pueden elegirse a y b para generar dos vectores caractersticos independientes lineales, ya que

1

ocurre dos veces. Obsrvese que cualquier seleccin de a y b dar un vector ortogonal al primer vector
caracterstico (1, 1, 1).
Si se normalizan los vectores,

a
2
+b
2
+a
2
+2ab+b
2
1 a
2
+ab+ b
2

1
2



_
,

0
a
btb
2
4 b
2

1
2



_
,

2

bt 23b
2
2
Si, por ejemplo, b = 0, entonces

a t
2
2
y

x
2

2
2
, 0,
2
2



1
]
1

x
3

2
2
, 0,
2
2



1
]
1
Obsrvese que las propiedades de races y vectores caractersticos sealados antes son satisfechas por
las races caractersticas

1
4,
2

3
1 y los vectores caractersticos correspondientes

x
1

1
3
,
1
3
,
1
3



1
]
1
, x
2

2
2
, 0,
2
2



1
]
1
, x
3

2
2
, 0,
2
2



1
]
1

i
4 A
i1
3

, dado que A 8+1+1 2+ 2+ 2

( )
4

i
6 tr a
( )
i1
3

, dado que tr A
( )
2+ 2+ 2 6
x
i
x
j

1 si i j 1, 2, 3
0 si i , j 1, 2, 3 y i j

'

PROBLEMAS
Para cada una de las matrices siguientes, determine las races y los vectores caractersticos, y verifique que
satisfagan las propiedades sealadas.
1.

1.
5 2
2 2



1
]
1
2.
4 3
3 4



1
]
1
3.
3 0 0
0 2 0
0 0 2





1
]
1
1
1
4.
1 0 0
0 2 0
0 0 3





1
]
1
1
1
5.
1 2 2
2 1 2
2 2 1





1
]
1
1
1
6.
10 4
4 4



1
]
1
Respuestas a los Problemas de Nmero Impar

1.
1
6,
2
1 x
1

2
5
,
1
5



1
]
1
x
2

1
5
,
2
5



1
]
1

3.
1
3,
2
2,
3
2 x
1
1, 0, 0
[ ]
x
2
0,1, 0
[ ]
x
3
0, 0,1
[ ]

5.
1
5,
2

3
1 x
1

1
3
,
1
3
,
1
3



1
]
1
x
2

2
2
, 0,
2
2



1
]
1 x
3

2
2
, 0,
2
2



1
]
1
1.11 DIFERENCIACIN VECTORIAL
En algunos problemas de maximizacin y minimizacin, deben diferenciarse expresiones que contienen vectores
y matrices. Las derivadas de las expresiones simples en que intervienen vectores y matrices, se pueden obtener
directamente a partir de la definiciones. En esta seccin se definirn las derivadas vectoriales de funciones
lineales, formas cuadrticas y formas bilineales. No se analizarn explcitamente las derivadas vectoriales de
segundo y mayor orden, pero pueden obtenerse por diferenciacin sucesiva en la manera usual.
DIFERENCIACIN VECTORIAL DE UNA FUNCIN LINEAL
Una expresin de la forma

a x
en donde

a es n x 1 y

x es n x 1 es una funcin lineal. En el caso de la

funcin lineal

a x a
1
, a
2
,..., a
n
[ ]
x
1
x
2
M
x
n






1
]
1
1
1
1
a
1
x
1
+a
2
x
2
+L+a
n
x
n
las derivadas parciales de

a x
con respecto al escalar xi, i = 1, 2,, n, son

a x
( )
x
1
a
1
,
a x
( )
x
2
a
2
, L,
a x
( )
x
n
a
n
esto es, las derivadas parciales son los elementos del vector

a. De modo que si las

n derivadas parciales se
ordenan como un vector

a, el proceso de diferenciacin vectorial se define por

a x ( )
x
a
en donde

a x
( )
x
1
indica la operacin de diferenciar

a x
con respecto a los elementos del vector

x .
EJEMPLO

+i a
2a
a
3a
a






1
]
1
1
1
1
y x
x
1
x
2
x
3
x
4






1
]
1
1
1
1
, entonces a x 2ax
1
ax
2
+3ax
3
+ax
4
y

x
1
a x
( )
2a

x
2
a x
( )
a

x
3
a x
( )
3a

x
4
a x
( )
a
Por lo tanto,

x
a x ( )
2a
a
3a
a






1
]
1
1
1
1
a
DIFERENCIACIN VECTORIAL DE UN VECTOR DE FUNCIONES
Si y designa un vector columna n-dimensional, en el cual cada elemento es una funcin de los m elementos de x,
es decir, si

y
i

i
x
1
, x
2
,..., x
m
( ) i 1,2,..., n
por consiguiente, cada yi puede diferenciarse parcialmente con respecto a cada xj, y tales derivadas parciales
pueden ordenarse en un matriz m x n como sigue:

y
x

y
1
x
1
y
2
x
1
L
y
n
x
1
y
1
x
2
y
2
x
2
L
y
n
x
2
M M M
y
1
x
m
y
2
x
m
L
y
n
x
m









1
]
1
1
1
1
1
1
1
EJEMPLO
Si

y
x
1
2
+ 2x
2
2
3x
1
x
3
3x
1
x
2
2
x
2
2
+ 4x
2
x
3
2



1
]
1
entonces

y
x

2x
1
3x
3
3x
2
2
4x
2
6x
1
x
2
2x
2
+ 4x
3
2
3x
1
8x
2
x
3





1
]
1
1
1
DIFERENCIACIN VECTORIAL DE UNA FORMA CUADRTICA
Una expresin de la forma

x Ax
, en donde

A
es una matriz simtrica n x n, recibe el nombre de forma
cuadrtica. La forma cuadrtica

x Ax
puede desarrollarse como sigue


x Ax x
1
, x
2
,..., x
n
[ ]
a
11
a
12
... a
1n
a
12
a
22
... a
2n
M M M
a
1n
a
2n
... a
nn






1
]
1
1
1
1
x
1
x
2
M
x
n






1
]
1
1
1
1
a
11
x
1
2
+ 2a
12
x
1
x
2
+ 2a
13
x
1
x
3
+ L + 2a
1n
x
1
x
n
+ a
22
x
2
2
+ 2a
23
x
2
x
3
+ L + 2a
2n
x
2n
+ K .
. .
. .
+ a
nn
x
n
2
Tomando las derivadas parciales con respecto a los elementos de x,

x
1
x Ax ( )2 a
11
x
1
+a
12
x
2
+a
13
x
3
+L +a
1n
x
n
( )

x
2
x Ax ( )2 a
12
x
1
+a
22
x
2
+a
23
x
3
+L +a
2n
x
n
( )
M M

x
n
x Ax ( )2 a
1n
x
1
+a
2n
x
2
+a
3n
x
3
+L +a
nn
x
n
( )
Adems del factor 2, el segundo miembro de este conjunto de ecuaciones contiene los elementos de

Ax
, que es
un vector columna n-dimensional; en forma alternativa, el citado segundo miembro contiene los elementos de

x Ax
, que es un vector fila n-dimensional. As pues

x
x Ax
( )
2Ax o bien

x
x Ax
( )
2 x A
En la prctica, la eleccin entre dos formas generalmente depende del contexto en el que ocurren la
diferenciacin, ya que las matrices slo se pueden igualar si son del mismo orden; especficamente, un vector
fila puede ser igual a otro vector fila que tenga el mismo nmero de elementos, pero no puede ser igual a un
vector columna.
EJEMPLO

+i x
x
1
x
2
x
3





1
]
1
1
1
y A
3 1 2
1 0 3
2 3 2





1
]
1
1
1
, entonces
x Ax x
1
, x
2
, x
3
[ ]
3 1 2
1 0 3
2 3 2





1
]
1
1
1
x
1
x
2
x
3





1
]
1
1
1
3x
1
+ x
2
2x
3
, x
1
+ 3x
3
, 2x
1
+ 3x
2
+2x
3
[ ]
x
1
x
2
x
3





1
]
1
1
1
3x
1
2
+ x
1
x
2
2x
1
x
3
+ x
1
x
2
+3x
2
x
3
2x
1
x
3
+ 3x
2
x
3
+2x
3
2
3x
1
2
+2x
3
2
+2x
1
x
2
4x
1
x
3
+6x
2
x
3
y

x
1
x Ax
( )
6x
1
+2x
2
4x
3

x
2
x Ax
( )
2x
1
+6x
3

x
3
x Ax
( )
4x
3
4x
1
+6x
2
Por lo tanto,

x
x Ax ( ) 2
3x
1
+ x
2
2x
3
x
1
+ 3x
3
2x
1
+ 3x
2
+ 2x
3





1
]
1
1
1
2Ax
o bien,

x
x Ax
( )
2 3x
1
+x
2
2x
3
, x
1
+3x
3
, 2x
1
+3x
2
+2x
3
[ ]
2 x A
DIFERENCIACIN VECTORIAL DE UNA FORMA BILINEAL
Una expresin de la forma

x B& , en donde

x
es 1 x m,

B
es m x n y

& es n x 1, se denomina forma

bilineal. Las derivadas siguientes para una forma bilineal pueden verificarse usando los procedimientos
anteriores:

x
x B&
( )
B&

x
x B&
( )
B x
EJEMPLO
Si

x
x
1
x
2
x
3





1
]
1
1
1
B
2b
1
b
1
+ b
2
b
2
+ 2b
3
3b
2
b
1
+ b
3
4b
3
2





1
]
1
1
1
&
&
1
&
2



1
]
1
entonces

x B& x
1
, x
2
, x
3
[ ]
2b
1
b
1
+ b
2
b
2
+ 2b
3
3b
2
b
1
+ b
3
4b
3
2






1
]
1
1
1
1
&
1
&
2



1
]
1
2b
1
x
1
+ b
2
x
2
+ 2b
3
x
2
+ b
1
x
3
+ b
3
x
3
, b
1
x
1
+ b
2
x
1
+ 3b
2
x
2
+ 4b
3
2
x
3 [ ]
&
1
&
2



1
]
1
2b
1
x
1
&
1
+ b
2
x
2
&
1
+ 2b
3
x
2
&
1
+ b
1
x
3
&
1
+ b
3
x
3
&
1
+ b
1
x
1
&
2
+ b
2
x
1
&
2
+ 3b
2
x
2
&
2
+ 4b
3
2
x
3
&
2
y

x
1
x B&
( )
2b
1
&
1
+b
1
&
2
+b
2
&
2

x
2
x B&
( )
b
2
&
1
+2b
3
&
1
+3b
2
&
2

x
3
x B&
( )
b
1
&
1
+b
3
&
1
+4b
3
2
&
2
As pues,

x
x B& ( )
2b
1
&
1
+ b
1
&
2
+ b
2
&
2
b
2
&
1
+ 2b
3
&
1
+ 3b
2
&
2
b
1
&
1
+ b
3
&
1
+ 4b
3
2
&
2





1
]
1
1
1
B&
y

&
1
x B&
( )
2b
1
x
1
+b
2
x
2
+2b
3
x
2
+b
1
x
3
+b
3
x
3

&
2
x B&
( )
b
1
x
1
+b
2
x
1
+3b
2
x
2
+4b
3
2
x
3
De ah que

&
x B&
( )

2b
1
x
1
+b
2
x
2
+2b
3
x
2
+b
1
x
3
+b
3
x
3
b
1
x
1
+b
2
x
1
+3b
2
x
2
+4b
3
2
x
3



1
]
1

2b
1
b
2
+2b
3
b
1
+b
3
b
1
+b
2
3b
2
4b
3
2



1
]
1
x
1
x
2
x
3





1
]
1
1
1
B x
APLICACIONES DE LA DIFERENCIACIN VECTORIAL EN MAXIMIZACIN Y
MINIMIZACIN
La diferenciacin vectorial se emplea en la resolucin de muchos problemas en los que interviene la
maximizacin y la minimizacin. En particular, las deducciones de la mayor parte de los estimadores en el
anlisis multivariante, utilizan la diferenciacin vectorial. Como ejemplo de estas aplicaciones, se estudia en esta
seccin cmo se obtienen los estimadores de regresin multivariante de mnimos cuadrados.
En el anlisis de regresin multivariante, el modelo supone una relacin lineal entre una variable predecible

y
, y

k
variables predictoras

x
1
, x
2
,..., x
k
, y un trmino de aleatoriedad

u. En el caso de una muestra de

n observaciones sobre

y
y las

x ,

y
i

0
+
1
x
1i
+
2
x
2i
+K+
k
x
k i
+u
i
i 1, 2,K, n
Las

n ecuaciones pueden representarse en la notacin matricial como

y x +u
en donde

y
y
1
y
2
M
y
n






1
]
1
1
1
1
x
1 x
21
L x
k1
1 x
22
L x
k2
M M
1 x
2n
L x
kn






1
]
1
1
1
1

2
M

n






1
]
1
1
1
1
u
u
1
u
2
M
u
n






1
]
1
1
1
1
La intercepcin

0
est representada por la columna de unos en la matriz

x . Como resultado de la
convencin de denotar la observacin i-sima de la variable k-sima por

X
k i , los subndices de la
matriz

x estn al contrario de lo usual, donde se indica la fila por medio del primer subndice, y la
columna, por el segundo.
El problema consiste en obtener estimaciones de las

. Tales estimaciones suelen obtenerse con el

criterio de los mnimos cuadrados. Supngase que


,

,

1
,

2
M
,

k






1
]
1
1
1
1
denota un vector de estimaciones de

. Por lo tanto,

y x
,
+e en donde

e designa el vector columna de

los

n errores de prediccin

y x
,

( ). El criterio de mnimos cuadrados requiere que se minimice la suma de

los cuadrados de los errores de prediccin.

e
i
2
e e y x
,

( )

y x
,

( )
i1
n

y y 2
,
x y +
,
x x
,

Observemos que

y x
,

( )

y
,
x y
,
x y es un escalar, y por tanto, es igual a su transpuesta

y x
.
Para obtener las estimaciones

,
que minimizan la suma de los cuadrados de los errores de prediccin, dervese

e e
con respecto a

,
,

e e
()
2 x y + x x
,
+
,
x x
( )

2 x y +2 x x
,

Si

e e
( )
0 x x
,
x y y
,
x x
( )
1
x y
De otra forma,

e e
( )
2 y x +2
,
x x
Si

e e
( )
0
,
x x y x
,
y x x x
[ ]
1
y
,
x x
[ ]
1
x y

es el vector de estimaciones por mnimos cuadrados para los coeficientes de regresin.
NOTA: Para demostrar que

,
x x
[ ]
1
x y es una solucin minimizante, debe considerarse la segunda
derivada:

2
e e
[ ]

2 x y +2 x x
,

[ ]
2 x x
As pues la condicin de segundo orden para la minimizacin que requiere que

x x
sea definida y positiva, es
decir, que

y x x
[ ]
y >0
para toda

y >0
. En los ejemplos prcticos,

x x
es definida y positiva.
EJEMPLO
Si

x
1 1
1 0
1 1
1 2






1
]
1
1
1
1
y
5
3
2
8






1
]
1
1
1
1
Obtener las estimaciones

,
por mnimos cuadrados para la ecuacin de regresin

y x +u

x x
1 1 1 1
1 0 1 2



1
]
1
1 1
1 0
1 1
1 2






1
]
1
1
1
1

4 2
2 6



1
]
1
x x 24 4 20 x x
[ ]
1

3
10
1
10
1
10
1
5



1
]
1
y

,
x x
[ ]
1
x y
3
10
1
10
1
10
1
5



1
]
1
1 1 1 1
1 0 1 2



1
]
1
5
3
2
8






1
]
1
1
1
1

19
10

16
5



1
]
1
As pues, la ecuacin de regresin estimada es

,
y
19
10

16
5
x
.
PROBLEMAS

1. +i b
3
2
1





1
]
1
1
1
y x
x
1
x
2
x
3





1
]
1
1
1
, det er mine

x
b x
[ ].

2. +i c
c
0
2c
3c






1
]
1
1
1
1
y y
y
1
y
2
y
3
y
4






1
]
1
1
1
1
, det er mine

y
c y
[ ].

3. +i c
c
2
+1
3c
4c 5
c
3






1
]
1
1
1
1
y x
x
1
x
2
x
3
x
4






1
]
1
1
1
1
, obtenga

x
c x
[ ].

4. +i y
2x
1
2
3x
2
x
3
x
1
4x
1
x
2
x
3
x
1
2
2x
2
+x
3





1
]
1
1
1
, encuentre
y
x
.

5. +i y
x
1
2
3x
2
2x
1
x
2
x
2
2x
1
+ x
1
x
2
3x
2
2
3x
1
2
x
1
2
x
2
x
2
3






1
]
1
1
1
1
, obtenga
y
x
.

6. +i x
x
1
x
2



1
]
1
, B
3+b
1
b
1
+2b
2
4b
2
2
b
2
2
4b
1
b
1
b
2



1
]
1
y y
y
1
y
2
y
3





1
]
1
1
1
,
encuentre

x
x By
[ ]
y

y
x By
[ ]
.

7. +i x
x
1
x
2
x
3





1
]
1
1
1
, A
3 0 1
2 1 4
1 0 3





1
]
1
1
1
y y
y
1
y
2
y
3





1
]
1
1
1
,
obtenga

x
x Ay
[ ]
y

y
x Ay
[ ]
.

8. +i x
1 1
1 1
1 2





1
]
1
1
1
y y
3
5
11





1
]
1
1
1
,
det er mine la estimaci)n
,
por m-nimos cuadrados para la ecuaci)n de regresi)n v x +u.
Respuestas a los Problemas de Nmero Impar

1.
3
2
1





1
]
1
1
1
3.
c
2
+1
3c
4c 5
c
3






1
]
1
1
1
1
5.
2x
1
2x
2
2+x
2
6x
1
2x
1
x
2
3 2x
1
1 x
1
6x
2
x
1
3x
2
2



1
]
1
7.
2y
1
y
3
2y
1
+y
2
+4y
3
y
1
+3y
3





1
]
1
1
1
,
3x
1
+2x
2
x
3
x
2
x
1
+4x
2
+3x
3





1
]
1
1
1