Algebra Lineal

M. C. M. Dennis Rafael Tuyub Puc

L. C. C Daniel G. Canton Puerto
Agosto 2011
Resumen
El presente documento es una recopilacion de los temas vistos en el curso

Algebra
Linealque se imparte en el primer semestre de las licenciaturas de la Facultad de
Ingeniera Qumica de la Universidad Aut onoma de Yucatan.

Indice general
1. Matrices y Determinantes 2
1.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1. Matrices Especiales . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2. Suma de matrices y multiplicacion por un escalar . . . . . . . . 8
1.2. Multiplicaci on de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3. Escalonamiento de una matriz . . . . . . . . . . . . . . . . . . . . . . . 15
1.4. Inversa de una matriz cuadrada . . . . . . . . . . . . . . . . . . . . . . 22
1.5. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1
Captulo 1
Matrices y Determinantes
1.1. Matrices
Una matriz es un arreglo rectangular de n umeros en las y columnas. Las matrices
son herramientas que eliminan todas las variables molestas y establecen toda la infor-
maci on pertinente en un orden l ogico y organizado. Una de las primeras aplicaciones de
las matrices es para resolver sistemas de ecuaciones. Pero antes de ver las aplicaciones
estudiemos primero las propiedades b asicas de las matrices.
Recuerde que una matriz es simplemente un arreglo en las y columnas, por ejemplo
un fabricante de los productos P1, P2 y P3 podra representar las unidades de mano
de obra y material involucrado en una semana de producci on de estos artculos como
se muestra en la siguiente tabla:
Producto
P1 P2 P3
Mano de obra 10 12 16
Material 5 9 7
Pero de una manera m as sencilla estos datos pueden ser representados por la matriz
A =
_
10 12 16
5 9 7
_
Para describir una matriz debemos mencionar cuantas las y cuantas columnas tiene.
Primero se menciona las cantidad de las y luego la cantidad de columnas. De esta
forma, se dice que la matriz A es de tama no 2 las por tres columnas o simplemente es
de orden (tama no) 2 3. La matriz
B =
_
_
1 6 2
5 1 4
3 5 0
_
_
2
1.1. MATRICES 3
es de orden 3 3. La matriz
C =
_

_
1 2
3 4
5 6
7 8
_

_
Es de orden 4 2.
Por otra parte, los renglones (las) de una matriz est an numerados de manera
consecutiva de arriba hacia abajo y las columnas de izquerda a derecha. La matriz A
anterior de dos las por tres columnas se numera de la siguiente forma:
Col 1 Col 2 Col 3
renglon 1
renglon 2
_
10 12 16
5 9 7
_
Los n umeros de una matriz son llamados entradas o elementos. Para denotar en-
tradas arbitrarias de una matriz, digamos de orden 23, existen dos metodos comunes.
Primero, podemos utilizar letras diferentes:
_
a b c
d e f
_
Segundo, se puede utilizar una sola letra junto con ndices para indicar su posici on
(recuerde primero la la y luego la columna):
_
a
11
a
12
a
13
a
21
a
22
a
23
_
Denici on 1.1 Un arreglo rectangular de n umeros que consiste en m renglones y n
columnas,
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_

_
es llamado una matriz de m n o matriz de orden m n. Para la entrada a
ij
el
ndice i representa la la y el ndice j la columna.
Observaci on 1.2 Por brevedad:
Una matriz suele denotarse por una letra may uscula tal como: A, B, . . .
Una matriz de orden mn puede ser denotada por el smbolo [a
ij
]
mn
o de manera
mas sencilla [a
ij
] donde el orden se entiende que es el apropiado para el contexto.
Ejemplo 1.3 Aplicando la denicion
1.1. MATRICES 4
_
1 3
2 4
_
es una matriz de 2 2
_
_
1 3
4 0
1 2
_
_
es una matriz de 3 2
_
1 4 1
3 0 2
_
es una matriz de 2 3
_
_
1 4 5
2 1 4
6 5 7
_
_
es una matriz de 3 3
_
0 0 0 0
0 0 0 0
_
es una matriz de 2 4
Una matriz con un sola la recibe el nombre de matriz la o matriz renglon. De igual
manera una matriz con una sola columna recibe el nombre de matriz columna. Por
ejemplo
_
1 7 12 3

es una matriz la (1 4); mientras que

_

_
1
2
15
9
16
_

_
es una matriz columna (5 1).
Denicion 1.4 Las matrices A = [a
ij
] y B = [b
ij
] son iguales si y solo si tienen el
mismo orden y a
ij
= b
ij
para cada i y cada j.
Es decir que para que dos matrices sean iguales, deben tener el mismo n umero de las
y de columnas y adem as, cada elemento debe ser igual en valor y en posicion. Por
ejemplo:
_
1 + 1
2
2
2 3 0
_
=
_
2 1
6 0
_
pero
_
1 1

=
_
1
1
_
y
_
1 1

=
_
1 1 1

1.1. MATRICES 5
Denicion 1.5 La transpuesta de una matriz A de m n, denotada por A
T
, es la
matriz de n m cuyo i esimo renglon es la i esima columna de A.
Usando la denici on si
A =
_
1 2 3
4 5 6
_
entonces
A
T
=
_
_
1 4
2 5
3 6
_
_
Observaci on 1.6 1. Observe que las columnas de A
T
son los renglones de A.
2. La operacion transpuesta tiene la propiedad de
_
A
T
_
T
= A.
Ejemplo 1.7 Encuentre la transpuesta de las siguientes matrices:
A =
_
2
8
_
B =
_
_
1 2 3
4 5 6
7 8 9
_
_
C =
_
_
1 2 0
2 1 0
0 0 1
_
_
D =
_
_
0 1
2 4
1 1
_
_
Solucion. La transpuesta de cada una de las matrices anteriores son:
A
T
=
_
2 8

B
T
=
_
_
1 4 7
2 5 8
3 6 9
_
_
C
T
=
_
_
1 2 0
2 1 0
0 0 1
_
_
D
T
=
_
0 2 1
1 4 1
_
1.1.1. Matrices Especiales
Cierto tipos de matrices juegan un papel importante en la teora de matrices. Ahora
consideraremos algunos de estos tipos especiales de matrices.
Una matriz de mn cuyas entradas son todas iguales a cero, es llamada matriz
cero de mn y es denotada por 0
mn
o de manera mas sencilla 0 si se entiende
su tama no. Ejemplo, la matriz cero de 2 3 es
_
0 0 0
0 0 0
_
1.1. MATRICES 6
Una matriz que tiene el mismo n umero de las y de columnas, es decir cuando
m = n, es llamada matriz cuadrada de orden n. Por ejemplo, las matrices
_
_
2 7 4
6 2 0
4 6 1
_
_
y [3]
son cuadradas de orden 3 y 1.
En una matriz cuadrada de orden n, las entradas a
11
, a
22
, a
33
, . . . , a
nn
las cuales estan
sobre la diagonal principalque va desde la esquina superior izquierda hasta la esqui-
na inferior derecha, son llamadas entradas de la diagonal principal, o simplemente la
diagonal principal. As, en la matriz
A =
_
_
1 2 3
4 5 6
7 8 9
_
_
la diagonal principal consiste en a
11
= 1, a
22
= 5 y a
33
= 9.
Una matriz cuadrada A es llamada matriz diagonal si todas las entradas que
se encuentran fuera de la diagonal principal son todas cero; esto es, a
ij
= 0 para
i = j. Ejemplo
_
1 0
0 1
_
_
_
3 0 0
0 6 0
0 0 9
_
_
Una matriz cuadrada A se dice que es una matriz triangular superior si todas
las entradas de abajo de la diagonal principal son ceros; esto es, a
ij
= 0 para
i > j. De manera an aloga, una matriz triangular inferior si todas las entradas
por arriba de la diagonal son cero; esto es, a
ij
= 0 para i < j. Cuando una matriz
es triangular inferior o superior es llamada una matriz triangular. As la matriz
_
_
5 1 1
0 3 7
0 0 4
_
_
es una matriz triangular superior y la matriz
_

_
7 0 0 0
3 2 0 0
6 5 4 0
1 6 8 1
_

_
es una matriz triangular inferior.
1.1. MATRICES 7
Una matriz cuadrada se llama simetrica si A
T
= A. Es decir, las columnas de A
son tambien los renglones de A. En otras palabras A es simetrica si es cuadrada
y se cumple que a
ij
= a
ji
para toda i y toda j. Un ejemplo de matriz simetrica es
A =
_
_
1 2 3
2 0 5
3 5 6
_
_
Note que la simetra es respecto a la diagonal principal.
Una matriz cuadrada A de orden n se llama antisimetrica si se cumple que a
ij
=
a
ji
para toda i y toda j. En consecuencia, los elementos de la diagonal son ceros,
esto es a
ii
= 0. En otras palabras A es antisemetrica si A = A
T
. Por ejemplo
A =
_
_
0 2 3
2 0 5
3 5 0
_
_
es antisimetrica ya que
A
T
=
_
_
0 2 3
2 0 5
3 5 0
_
_
es la misma matriz que A pero todas las entradas tienen el signo opuesto.
Ejercicio 1.1 Considere las siguientes matrices
A =
_
1 6 2
4 2 1
_
B =
_
_
1 2 3
4 5 6
7 8 9
_
_
C =
_
_
1 1
2 2
3 3
_
_
D =
_
1 0
2 3
_
E =
_

_
1 2 3 4
0 1 6 0
0 0 2 0
0 0 6 1
_

_
F =
_
6 2

G =
_
_
5
6
1
_
_
H =
_
_
1 6 2
0 0 0
0 0 0
_
_
J = [4]
a) Establecer el orden de cada matriz
b) Cuales son las matrices cuadradas?
c) Cuales son triangulares superiores?
1.1. MATRICES 8
d) Cuales son triangulares inferiores?
e) Cuales son matrices renglones?
f ) Cuales matrices columnas?
Ejercicio 1.2 Resuelva los siguientes problemas
a)
_
2x y
z 3w
_
=
_
4 6
0 7
_
b)
_
_
4 2 1
3x y 3z
0 w v
_
_
=
_
_
4 2 1
6 7 9
0 9 8
_
_
c)
_
_
6 2
x 7
3y 2z
_
_
=
_
_
6 2
6 2
2 7
_
_
1.1.2. Suma de matrices y multiplicaci on por un escalar
Denici on 1.8 Si A = [a
ij
] y B = [b
ij
] son ambas matrices de orden mn, entonces
la suma A + B es la matriz de orden m n obtenida sumando las correspondientes
entradas de A y B; esto es A+B = [a
ij
+ b
ij
]. La suma de matrices de diferente tama no
no esta denida.
Ejemplo sean
A =
_
3 0 2
2 1 4
_
B =
_
5 3 6
1 2 5
_
Como A y B son del mismo tama no (2 3), su suma est a denida:
A + B =
_
3 0 2
2 1 4
_
+
_
5 3 6
1 2 5
_
=
_
3 + 5 0 3 2 + 6
2 + 1 1 + 2 4 5
_
=
_
8 3 4
3 1 1
_
Considere las matrices:
C =
_
1 2
3 4
_
D =
_
2
1
_
su suma
C + D =
_
1 2
3 4
_
+
_
2
1
_
no esta denida ya que las matrices son de diferentes ordenes.
1.1. MATRICES 9
Proposicion 1.9 Si A, B, C y 0 tienen el mismo orden, entonces las siguientes pro-
piedades se cumplen para la suma de matrices:
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. A +0 = 0 + A = A
Ejercicio 1.3 Utilice las siguientes matrices para comprobar la veracidad de la propo-
sicion anterior:
A =
_
1 2 1
2 0 1
_
B =
_
0 1 2
1 3 1
_
C =
_
2 1 1
0 2 1
_
Denici on 1.10 Si A es una matriz de orden m n y k es un escalar (un n umero
real), entonces denotamos con kA a la matriz de orden m n obtenida al multiplicar
cada entrada de A por k. La operacion es llamada multiplicacion por escalar, y kA
es llamado m ultiplo escalar de A.
Ejemplo Si
A =
_
1 0 2
2 1 4
_
y k = 3 tenemos que
kA = 3
_
1 0 2
2 1 4
_
=
_
(3) (1) (3) (0) (3) (2)
(3) (2) (3) (1) (3) (4)
_
=
_
3 0 6
6 3 12
_
Al igual que para la suma, la multiplicaci on escalar tiene sus propiedades
Proposicion 1.11 Si A, B y 0 son matrices del mismo orden, entonces para cualquier
escalares k, k
1
y k
2
tenemos las siguientes propiedades
1. k (A + B) = kA + kB
2. (k
1
+ k
2
) A = k
1
A + k
2
A
1.1. MATRICES 10
3. k
1
(k
2
A) = (k
1
k
2
) A
4. 0A = 0
5. k0 = 0
Proposicion 1.12 Si A y B son matrices del mismo tama no y k es cualquier escalar
1. (A + B)
T
= A
T
+ B
T
2. (kA)
T
= kA
T
Si A es una matriz, entonces el m ultiplo escalar (1) A se escribe simplemente A.
Denici on 1.13 Si A y B tienen el mismo tama no, entonces por A B entendemos
A + (B), es decir,
A B = A + [(1) B]
Ejercicio 1.4 Realice las operaciones indicadas
a)
_
_
2 0 3
1 4 0
1 6 5
_
_
+
_
_
2 3 4
1 6 5
9 11 2
_
_
b)
_
2 7
6 4
_
+
_
7 4
2 1
_
+
_
2 7
7 2
_
c) 3
_
1 3 1

+ 2
_
6 1 4

0
_
2 7 4

d) 6
_
2 6 7 1
7 1 6 2
_
e) 2
_
_
1 0 0
0 1 0
0 0 1
_
_
3
_
_
_
_
2 1 0
1 2 3
1 0 0
_
_

_
_
6 2 1
5 1 2
0 1 3
_
_
_
_
f )
_
_
2 4 6 7
1 3 2 1
4 2 5 5
_
_
+
_
_
0 1 6 2
2 3 4 3
2 1 4 4
_
_
Ejercicio 1.5 Considere las siguientes matrices
A =
_
_
1 2
0 1
2 0
_
_
B =
_
1 3
4 1
_
C =
_
1 0
1 2
_
1.2. MULTIPLICACI

ON DE MATRICES 11
D =
_
1 2 1
1 0 2
_
Calcule si es posible lo siguiente:
a) 3A
T
+ D
b) 2B
T
3C
T
c) C
T
D
d) (B C)
T
e) 2B + B
T
f )
_
D 2A
T
_
T
1.2. Multiplicacion de Matrices
Adem as de las operaciones de suma de matrices y multiplicaci on por un escalar,
bajo ciertas condiciones puede denirse el producto AB de las matrices A y B, esta
condici on es que el n umero de columnas de A sea igual al n umero de las de B.
Denici on 1.14 Sea A una matriz de m n y B una matriz de n p. Entonces el
producto AB es la matriz C de m p cuya entrada c
ij
en la la i y la columna j se
obtiene como sigue:
c
ij
=
n

k=1
a
ik
b
kj
= a
i1
b
1j
+ a
i2
b
2j
+ + a
in
b
nj
es decir, sume los productos formados al multiplicar, en orden, cada entrada del renglon
i de A por la correspondiente entrada de la columna j de B.
Ejemplo 1.15 Encuentre el producto AB, donde
A =
_
_
1 3
4 2
5 0
_
_
y B =
_
3 2
4 1
_
Solucion. Primero, observe que el producto AB est a denido porque el tama no de A
es 3 2 y el de B es 2 2. De acuerdo con la denicion el producto AB es de tama no
3 2 y tiene la forma:
_
_
1 3
4 2
5 0
_
_
_
3 2
4 1
_
=
_
_
c
11
c
12
c
21
c
22
c
31
c
32
_
_
Para determinar c
11
(el elemento en el primer rengl on y en la primera columna del
producto), multiplique los elementos correspondientes en el primer rengl on de A y la
primera columna de B. Es decir
_
_
1 3
4 2
5 0
_
_
_
3 2
4 1
_
=
_
_
9 c
12
c
21
c
22
c
31
c
32
_
_
c
11
= (1) (3) + (3) (4) = 9
1.2. MULTIPLICACI

ON DE MATRICES 12
De manera an aloga, para determinar c
12
multiplique los elementos correspondientes en
el primer rengl on de A y la segunda columna de B para obtener
_
_
1 3
4 2
5 0
_
_
_
3 2
4 1
_
=
_
_
9 1
c
21
c
22
c
31
c
32
_
_
c
12
= (1) (2) + (3) (1) = 1
Siguiendo este patron obtenemos los siguientes resultados:
c
21
= (4) (3) + (2) (4) = 4
c
22
= (4) (2) + (2) (1) = 6
c
31
= (5) (3) + (0) (4) = 15
c
32
= (5) (2) + (0) (1) = 10
El producto es
AB =
_
_
1 3
4 2
5 0
_
_
_
3 2
4 1
_
=
_
_
9 1
4 6
15 10
_
_
Ejemplo 1.16 Dena A =
_
2 1 6
1 3 2
_
y B =
_
_
1 0 3
0 4 2
2 1 1
_
_
encuentre el producto
AB =
_
2 1 6
1 3 2
_
_
_
1 0 3
0 4 2
2 1 1
_
_
Solucion. Observe que A
23
y B
33
, por tanto, el resultado ser a C
23
,
C =
_
c
11
c
12
c
13
c
21
c
22
c
23
_
donde c
11
es la suma de los productos que se forman que se forman con la primera la
de A (2, 1, 6) y la primera columna de B (1, 0, 2)
2 (1) + 1 (0) + (6) (2) = 2 + 0 + 12 = 14
Los demas elementos se obtienen de manera similar y
C =
_
14 2 10
3 10 7
_
Es importante recordar que el producto de dos matrices est a denido cuando el
n umero de columnas de la primera matriz es igual al n umero de las de la segunda
matriz.
1.2. MULTIPLICACI

ON DE MATRICES 13
Ejemplo 1.17 Sea A una matriz de 3 5 y B una matriz de 5 3. Entonces AB
esta denida y es una matriz de 3 3. Ademas, BA tambien esta denida y es una
matriz de 5 5.
Observaci on 1.18 El producto de matrices no es conmutativo, en el mayor n umero
de casos ocurrira que AB = BA
Ejercicio 1.6 Dena A =
_
1 3
2 1
_
y B =
_
2 1
0 2
_
Calcule AB y BA
Ejercicio 1.7 Dena A =
_
1 2
1 1
_
y B =
_
2 4
2 2
_
Calcule AB y BA
Ejercicio 1.8 Pruebe que si
A =
_
2 4 2
0 1 3
_
y ademas
B =
_
_
2 1
0 4
2 2
_
_
entonces C = AB es de orden 2 2 y
C =
_
8 10
6 2
_
Ejercicio 1.9 Calcule
_
1 2 3

_
_
4
5
6
_
_
(sol. [32])
Ejercicio 1.10 Calcule
_
_
1
2
3
_
_
_
1 6

(sol.
_
_
1 6
2 12
3 18
_
_
)
Teorema 1.19 Las multiplicacion de matrices satisface las propiedades siguientes siem-
pre y cuando todas las sumas y productos esten denidos:
1. A(BC) = (AB) C
1.2. MULTIPLICACI

ON DE MATRICES 14
2. A(B + C) = AB + AC
3. (A + B) C = AC + BC
4. k (AB) = (kA) B = A(kB), con k un escalar
5. (AB)
T
= B
T
A
T
Observaci on 1.20 En el algebra de matrices no existe la propiedad de cancelacion
para la multiplicacion de matrices, es decir, puede pasar que AC = BC a un cuando
A = B
Ejemplo 1.21 Dena las matrices A =
_
1 3
0 1
_
, B =
_
2 4
2 3
_
y C =
_
1 2
1 2
_
muestre
que AC = BC a un cuando A = B
Solucion.
AC =
_
1 3
0 1
_ _
1 2
1 2
_
=
_
2 4
1 2
_
BC =
_
2 4
2 3
_ _
1 2
1 2
_
=
_
2 4
1 2
_
por lo tanto, AC = BC , aun cuando A = B
Denicion 1.22 Se llama matriz identidad a la matriz diagonal, cuyos elementos dia-
gonales son todos uno. Esta matriz se denota I
n
o simplemente I.
Denici on 1.23 Si A es una matriz cuadrada y p es un entero positivo, entonces la
p-esima potencia de A, escrita A
p
, es el producto de p factores de A:
A
p
= A A A
. .
p veces
Si A es de n n, denimos A
0
= I
n
donde I
n
es la matriz identidad
Ejercicio 1.11 Si A es de 2 3, B de 3 1, C de 2 5, D de 4 3, E de 3 2 y F
de 2 3, encuentre el orden de cada una de las siguientes matrices:
1. AE
2. EC
3. FB
4. EA
5. E (FB)
6. DE
7. DB
8. BA
9. E (AE)
10. (F + A) B
1.3. ESCALONAMIENTO DE UNA MATRIZ 15
Ejercicio 1.12 Escriba la matriz I
4
e I
6
.
Ejercicio 1.13 Realice las siguientes operaciones
1.
_
2 4
3 2
_ _
3 0
1 4
_
2.
_
_
1 1
0 4
2 1
_
_
_
1 2
3 4
_
3.
_
1 4

_
_
2 1
0 5
1 0
_
_
4.
_
1 0 6 2

_
0
1
2
3
_

_
Ejercicio 1.14 Calcule la matriz requerida, si es que existe, dado que:
A =
_
1 1 0
0 1 1
_
B =
_
_
0 0 1
2 1 0
0 0 2
_
_
C =
_
_
1 0
2 1
0 1
_
_
I =
_
_
1 0 0
0 1 0
0 0 1
_
_
0 =
_
_
0 0 0
0 0 0
0 0 0
_
_
1. A
2
2. B
3
3. (AC)
2
4.
_
BA
T
_
T
5. (2I)
2
2I
2
6. A(I 0)
7. (AB) (AB)
T
8. A
T
A
9. A
_
B
T
_
2
10. A
T
_
2C
T
_
11. (2B)
T
12. IA
0
13. I
T
0
14. B
2
3B + 2I
1.3. Escalonamiento de una matriz
En este secci on estudiamos un proceso llamado eliminacion de Gauss y una de sus
variantes la eliminacion de Gauss-Jordan cuya utilidad se aprecia cuando resolvemos
sistemas de ecuaciones lineales.
Denici on 1.24 (Forma de rengl on escalon) Una matriz puede tener las siguien-
tes propiedades:
1. Si existen renglones que consisten enteramente de elementos cero, entonces estos
renglones estan en la parte inferior de la matriz.
1.3. ESCALONAMIENTO DE UNA MATRIZ 16
2. Si en un renglon no todos los elementos son ceros. El elemento no cero que
este mas a la izquierda debe de ser un 1. Llamamos a este elemento pivote.
3. Si dos renglones sucesivos tienen elementos distintos de cero, el pivote del renglon
inferior debe de estar a la derecha del pivote del renglon superior.
4. En cada columna que contenga un pivote, el pivote es el unico elemento distinto
de cero en esa columna.
Si una matriz satisface las tres primeras condiciones se dice que esta en forma es-
calon. Si una matriz satisface las cuatro condiciones se dice que esta en forma escalonada
reducida.
Denicion 1.25 Se llama rango de una matriz al n umero de pivotes que tiene en su
forma escalonada.
Ejemplo, la matriz
M =
_
_
1 0 1 2
0 0 3 4
0 0 0 0
_
_
NO est a en forma de escal on porque no satisface la propiedad 2, observe que en la la
1 el elemento m as a la izquierda es un 1.
La matriz
N =
_
_
1 6 0 2
0 0 1 4
0 0 0 0
_
_
est a en forma escalonada reducida. Ya que tiene dos pivotes se dice que el rango de N
es 2.
Ejercicio 1.15 Determine cuales de las siguientes matrices estan en forma escalonada
y cuales en forma escalonada reducida
1. A =
_
_
1 0 0 0
0 0 1 0
0 0 0 0
_
_
2. B =
_
_
1 0 0 6
0 1 0 0
0 0 1 1
_
_
3. C =
_
_
1 0 1
0 0 1
0 0 1
_
_
4. D =
_
_
1 1 0 0 2
0 0 1 0 3
0 0 0 1 4
_
_
5. E =
_
0 0
0 1
_
6. F =
_
_
1 7 0 9 0
0 0 1 8 0
0 0 0 0 1
_
_
1.3. ESCALONAMIENTO DE UNA MATRIZ 17
7. G =
_
_
1 0 1 0
0 1 0 0
0 0 1 0
_
_
8. H =
_
_
1 0 0 0
0 0 1 0
0 0 0 2
_
_
Denici on 1.26 Dos matrices son equivalentes si una puede obtenerse de la otra
mediante una sucesion nita de operaciones elementales de renglon. A veces se usa la
notacion
A B
para indicar que la matriz A es equivalente a la matriz B.
Denici on 1.27 Las operaciones elementales de renglon son las siguientes:
1. Multiplicar o dividir un renglon por un n umero diferente de cero.
2. Sumar un m ultiplo de un renglon a otro renglon
3. Intercambiar dos renglones
El proceso de aplicar las operaciones elementales con renglones para simplicar una
matriz se llama reducci on por renglones.
Notacion 1.28 Para representar las operaciones elementales aplicadas a una matriz
se emplea la siguiente notacion o simbologa:
1. R
i
cR
i
quiere decir, reemplazar el renglon i por el renglon i multiplicado por c.
2. R
j
R
j
+ cR
i
quiere decir, reemplazar el renglon j por la suma del renglon j
mas c veces el renglon i
3. R
i
R
j
quiere decir, intercambiar los renglones i y j.
Ejemplo 1.29 Muestre que las matrices A y B siguientes son equivalentes
A =
_
_
0 3
1 2
1 1
_
_
, B =
_
_
1 2
0 3
0 0
_
_
Solucion. Comenzamos con la matriz A y aplicamos las siguientes operaciones elemen-
tales:
A =
_
_
0 3
1 2
1 1
_
_
R
1
R
2

_
_
1 2
0 3
1 1
_
_
R
3
R
3
+R
1

_
_
1 2
0 3
0 3
_
_
R
3
R
3
R
2

_
_
1 2
0 3
0 0
_
_
= B
Una matriz puede ser equivalente a varias matrices escalonadas pero solo a una
escalonada reducida:
1.3. ESCALONAMIENTO DE UNA MATRIZ 18
Teorema 1.30 Toda matriz es equivalente a una, y solo una matriz en forma de es-
calon reducida.
Para encontrar esta matriz escalonada reducida se aplica el siguiente procedimiento:
Algoritmo 1.31 (Eliminacion de Gauss) Para convertir cualquier matriz a la for-
ma escalonada reducida, proceda con los pasos siguientes:
Paso 1 Vaya a la columna no cero extrema izquierda
Paso 2 Si el primer renglon tiene un cero en la columna del paso 1, intercambielo con
uno que tenga un elemento no cero en la misma columna
Paso 3 Obtenga ceros debajo del elemento delantero, sumando m ultiplos adecuados del
renglon superior a los renglones debajo de el.
Paso 4 Cubra el renglon superior y repita el procedimiento comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones.
Paso 5 Comenzando con el ultimo renglon no cero, avance hacia arriba. Para cada
renglon obtenga un 1 delantero e introduzca ceros arriba de el, sumando m ultiplos
adecuados a los renglones correspondientes.
Ejemplo 1.32 Emplee la eliminacion de Gauss para determinar una forma de escalon
reducida de la matriz
_

_
0 3 6 4 3 5
1 3 10 4 4 2
4 9 34 0 1 21
2 6 20 2 8 8
_

_
Solucion. Seguimos los pasos dados en el algoritmo 1.31:
Paso 1 Vaya a la columna extrema izquierda no cero: en este caso es la primera co-
lumna.
Paso 2 Si el primer rengl on tiene un cero en la columna del paso 1, intercambielo con
uno que tenga un elemento no cero en la misma columna. En este caso R
1
R
2
_

_
1 3 10 4 4 2
0 3 6 4 3 5
4 9 34 0 1 21
2 6 20 2 8 8
_

_
1.3. ESCALONAMIENTO DE UNA MATRIZ 19
Paso 3 Obtenga ceros debajo del elemento delantero, sumando m ultiplos adecuados
del rengl on superior a los renglones debajo de el. Para lograr esto aplocamos los
siguiente cambios R
3
R
3
+ 4R
1
y R
4
R
4
+ 2R
1
_

_
1 3 10 4 4 2
0 3 6 4 3 5
0 3 6 16 15 29
0 0 0 6 0 12
_

_
Paso 4 Cubra el rengl on superior y repita el procedimiento comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones.
Omitimos la primera la y repetimos el proceso
_

_
1 3 10 4 4 2
0 3 6 4 3 5
0 3 6 16 15 29
0 0 0 6 0 12
_

_
entonces la primera columna distinta de cero es ahora la segunda, seleccionamos
esta columna y aplicamos la siguiente operaci on R
3
R
3
R
2
_

_
1 3 10 4 4 2
0 3 6 4 3 5
0 0 0 12 12 24
0 0 0 6 0 12
_

_
Ahora omitimos la primera y la segunda la y repetimos el proceso, en este caso
la columna m as a la izquierda es la cuarta, para obtener cero debajo del 12
aplicamos las siguiente operaci on R
4
R
4

1
2
R
3
_

_
1 3 10 4 4 2
0 3 6 4 3 5
0 0 0 12 12 24
0 0 0 0 6 0
_

_
Paso 5 Comenzando con el ultimo renglon no cero, avance hacia arriba. Para cada
rengl on obtenga un 1 delantero e introduzca ceros arriba de el, sumando m ultiplos
adecuados a los renglones correspondientes.
Siguiendo este paso aplicamos las siguientes operaciones: R
4

1
6
R
4
_

_
1 3 10 4 4 2
0 3 6 4 3 5
0 0 0 12 12 24
0 0 0 0 1 0
_

_
1.3. ESCALONAMIENTO DE UNA MATRIZ 20
Para lograr ceros arriba del uno se aplican las siguientes operaciones: R
3
R
3
+
12R
4
, R
2
R
2
+ 3R
4
, R
1
R
1
+ 4R
4
_

_
1 3 10 4 0 2
0 3 6 4 0 5
0 0 0 12 0 24
0 0 0 0 1 0
_

_
Subimos un rengl on y repetimos, ahora aplicamos R
3

1
12
R
3
_

_
1 3 10 4 0 2
0 3 6 4 0 5
0 0 0 1 0 2
0 0 0 0 1 0
_

_
Para lograr los ceros por arriba hacemos R
2
R
2
+ 4R
3
, R
1
R
1
+ 4R
3
_

_
1 3 10 0 0 6
0 3 6 0 0 3
0 0 0 1 0 2
0 0 0 0 1 0
_

_
Nuevamente subimos una la y repetimos el proceso con el siguiente cambio R
2

1
3
R
2
_

_
1 3 10 0 0 6
0 1 2 0 0 1
0 0 0 1 0 2
0 0 0 0 1 0
_

_
Para lograr los ceros cambiamos R
1
R
1
3R
2
_

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

_
Finalmente R
1
(1) R
1
_

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

_
1.3. ESCALONAMIENTO DE UNA MATRIZ 21
Observaci on 1.33 Sobre el algoritmo:
1. Los cuatro primeros pasos del algoritmo se llaman paso directo de la eliminacion
de Gauss ya que convierten la matriz a su forma escalonada. El paso 5 es el paso
inverso y es donde la matriz toma su forma escalonada reducida.
2. Con frecuencia, el algoritmo se describe introduciendo un 1 delantero en el paso
3, con lo que hay una tendencia a introducir fracciones en una etapa temprana
del calculo, si los elementos son enteros.
3. A veces es conveniente tener los 1 al nal de todo el proceso.
Observaci on 1.34 Cosas que debe evitar:
1. No cambie el orden en los pasos del algoritmo (porque puede terminar con la
matriz inicial. Primero debe reducir la matriz a la forma escalonada y luego aplicar
el paso 5.
2. Combinar varias operaciones elementales es una mala practica, y puede originar
errores. Por ejemplo, operaciones de la forma R
i
cR
i
+ dR
j
y R
i
cR
i
+ R
j
con c = 1 no son elementales y deben evitarse. El renglon que se sustituye no
debe multiplicarse por un escalar.
Ejercicio 1.16 Son equivalentes las matrices
_
1 2 3
4 1 2
_
y
_
1 0
7
9
0 1
10
9
_
?
Ejercicio 1.17 Demuestre que si ad bc = 0, la forma escalonada reducida de A =
_
a b
c d
_
es I.
Ejercicio 1.18 Aplique el resultado anterior para comprobar que la forma escalonada
reducida de la matriz
_
cos () sin ()
sin () cos ()
_
es I para cualquier .
Ejercicio 1.19 Determine la forma escalonada reducida de las siguientes matrices
1.
_

_
0 0 0 0 0
1 1 1 1 0
0 0 1 0 1
0 0 0 1 0
_

_
2.
_

_
0 0 0 0 0
1 1 0 1 0
0 0 1 0 1
1 0 0 1 0
_

_
3.
_
_
1 6 0 1 0 2
5 30 1 6 0 13
4 24 1 5 1 15
_
_
1.4. INVERSA DE UNA MATRIZ CUADRADA 22
4.
_
_
1 4 0 5 0 6
5 20 1 29 0 34
4 16 1 24 1 30
_
_
5.
_

_
0 1 1 1 0
0 1 1 1 0
1 0 1 0 1
0 0 1 0 1
0 0 1 0 0
_

_
1.4. Inversa de una matriz cuadrada
Denicion 1.35 (Matriz identidad) La matriz identidad I
n
de nn es una matriz
cuyos elementos en la diagonal principal son iguales a 1 y todos los demas son 0. Esto
es I
n
= [b
ij
] donde
b
ij
=
_
1 i = j
0 i = j
Ejemplo 1.36 Dos matrices identidad
I
3
=
_
_
1 0 0
0 1 0
0 0 1
_
_
I
5
=
_

_
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
_

_
Ejercicio 1.20 Sea A =
_
2 5
1 3
_
y B =
_
3 5
1 2
_
. Compruebe que AB = BA = I
2
.
Teorema 1.37 Sea A una matriz cuadrada de n n. Entonces
A I
n
= I
n
A = A
Es decir, I
n
conmuta con toda matriz de n n y la deja sin cambio despues de la
multiplicacion por la derecha o por la izquierda.
Denici on 1.38 (Inversa de una matriz) Sean A y B dos matrices de nn. Suponga
que
AB = BA = I
Entonces B se llama inversa de A y se denota por A
1
. Entonces se tiene
A A
1
= A
1
A = I
Si A tiene inversa, entonces se dice que A es invertible.
1.4. INVERSA DE UNA MATRIZ CUADRADA 23
Observaci on 1.39 1. Una matriz cuadrada que no es invertible se llama singular
y una matriz invertible se llama tambien no singular.
2. De la denicion se sigue que (A
1
)
1
= A si A es invertible.
3. La denicion no establece que toda matriz cuadrada tiene inversa. De hecho, exis-
ten muchas matrices cuadradas que no tienen inversa.
Teorema 1.40 Si una matriz A es invertible, entonces su inversa es unica.
Prueba. Sup onga que B y C son inversas de A. Debemos mostrar que B = C. Por
denici on AB = BA = I y AC = CA = I. De aqu
B = BI = B (AC) = (BA) C = IC = C
Entonces B = C.
Teorema 1.41 Sean A y B dos matrices invertibles de nn. Entonces AB es invertible
y
(AB)
1
= B
1
A
1
Prueba. Observe que
_
B
1
A
1
_
(AB) = B
1
_
A
1
A
_
B
= B
1
IB
= B
1
B
= I
Ahora aplicaremos el algoritmo de Gauss para encontrar la inversa de una matriz
Algoritmo 1.42 (Inversa de una matriz cuadrada) Sea A una matriz cuadrada
de orden n, el siguiente procedimiento encuentra A
1
Paso 1 Se escribe la matriz aumentada [A | I] .
Paso 2 Se utiliza la reduccion por renglones para poner la matriz A en su forma esca-
lonada reducida por renglones.
Paso 3 Se decide si A es invertible
1. Si la forma escalonada reducida por renglones de A es la matriz identidad I,
entonces A
1
es la matriz que tiene a la derecha de la barra vertical.
2. Si la reduccion de A conduce a un renglon de ceros a la izquierda de la barra
vertical, entonces A no es invertible.
1.4. INVERSA DE UNA MATRIZ CUADRADA 24
Observaci on 1.43 Los pasos 3.1 y 3.2 se pueden expresar de otra manera:
Una matriz A de n n es invertible si y solo si su forma escalonada reducida por
renglones es la matriz identidad; es decir, si su forma escalonada reducida por renglones
tiene n pivotes.
Ejemplo 1.44 Sea
A =
_
_
2 4 6
4 5 6
3 1 2
_
_
calcule A
1
si es posible
Solucion. Primero se pone A seguido de I en la forma de matriz aumentada
_
_
2 4 6 | 1 0 0
4 5 6 | 0 1 0
3 1 2 | 0 0 1
_
_
Para reducir a la forma escalonada reducida aplicamos el algoritmo de Gauss R
1

1
2
R
1
_
_
1 2 3 |
1
2
0 0
4 5 6 | 0 1 0
3 1 2 | 0 0 1
_
_
R
2
R
2
4R
1
, R
3
R
3
3R
1
_
_
1 2 3 |
1
2
0 0
0 3 6 | 2 1 0
0 5 11 |
3
2
0 1
_
_
R
2

1
3
R
2
_
_
1 2 3 |
1
2
0 0
0 1 2 |
2
3

1
3
0
0 5 11 |
3
2
0 1
_
_
R
1
R
1
2R
2
, R
3
R
3
+ 5R
2
_
_
1 0 1 |
5
6
2
3
0
0 1 2 |
2
3

1
3
0
0 0 1 |
11
6

5
3
1
_
_
R
3
R
3
_
_
1 0 1 |
5
6
2
3
0
0 1 2 |
2
3

1
3
0
0 0 1 |
11
6
5
3
1
_
_
1.4. INVERSA DE UNA MATRIZ CUADRADA 25
R
1
R
1
+ R
3
, R
2
R
2
2R
3
_
_
1 0 0 |
8
3
7
3
1
0 1 0 |
13
3

11
3
2
0 0 1 |
11
6
5
3
1
_
_
Como A se redujo a I, se tiene
A
1
=
_
_

8
3
7
3
1
13
3

11
3
2

11
6
5
3
1
_
_
=
1
6
_
_
16 14 6
26 22 12
11 10 6
_
_
Para vericar que la matriz encontrada en realidad es la inversa unicamente tiene
que calcular el producto
A
1
A =
1
6
_
_
16 14 6
26 22 12
11 10 6
_
_
_
_
2 4 6
4 5 6
3 1 2
_
_
=
1
6
_
_
6 0 0
0 6 0
0 0 6
_
_
= I
por lo que la matriz encontrada es la inversa.
Ejemplo 1.45 Sea
A =
_
_
1 3 4
2 5 7
0 1 1
_
_
encuentre A
1
si existe.
Solucion. Seguimos el mismo procedimiento anterior
_
_
1 3 4 | 1 0 0
2 5 7 | 0 1 0
0 1 1 | 0 0 1
_
_
R
2
R
2
2R
1
_
_
1 3 4 | 1 0 0
0 1 1 | 2 1 0
0 1 1 | 0 0 1
_
_
R
3
R
3
+ R
2
_
_
1 3 4 | 5 3 0
0 1 1 | 2 1 0
0 0 0 | 2 1 1
_
_
Hasta aqu se puede llegar porque hemos obtenido una la de ceros, por lo que conclui-
mos que A es no invertible.
Ejercicio 1.21 Encuentre la matriz inversa si es posible en cada uno de los siguientes
casos:
1.5. DETERMINANTES 26
1.
_
2 1
3 2
_
2.
_
1 1
3 3
_
3.
_
_
1 1 1
0 1 1
0 0 1
_
_
4.
_
_
3 2 1
0 2 2
0 0 1
_
_
5.
_
_
2 1 4
1 0 5
19 7 3
_
_
6.
_

_
1 3 0 2
3 12 2 6
2 10 2 5
1 6 1 3
_

_
Ejercicio 1.22 Muestre que si A, B y C son matrices invertibles, entonces ABC es
invertible y (ABC)
1
= C
1
B
1
A
1
.
Ejercicio 1.23 Muestre que
_
3 4
2 3
_
es su propia inversa.
1.5. Determinantes
Ahora introducimos una nueva funci on, la funci on determinante. La entrada de esta
funci on es una matriz cuadrada y la salida es un n umero real. Denotamos el determi-
nante de A con |A| . Veamos como construir esta nueva funcion.
Denici on 1.46 Si A = [a
11
] es una matriz cuadrada de orden 1, entonces det (A) =
|A| = a
11
.
Ejemplo 1.47 Si A = [6] entonces |A| = 6.
Los determinantes se denen de manera recursiva, es decir, usando la deniciones
anteriores
Denici on 1.48 Si A =
_
a
11
a
12
a
21
a
22
_
es una matriz cuadrada de orden 2, entonces
|A| = a
11
|a
22
| a
12
|a
21
|
= a
11
a
22
a
12
a
21
Ejemplo 1.49 Eval ue el siguiente determinante
A =
_
2 1
3 4
_
De la denicion:
|A| = 2 (4) (3) (1)
= 8 3 = 11
1.5. DETERMINANTES 27
El determinante de una matriz cuadrada A de orden n (n 2) esta denido de la
manera siguiente: Con una entrada a
ij
dada de A, asociamos la matriz cuadrada de
orden n 1 obtenida al eliminar las entradas en el rengl on i y la columna j a las que
la entrada a
ij
pertenece. De esta manera tenemos:
Denicion 1.50 Sea
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
Entonces:
|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

Observe el signo en el segundo termino.

Ejemplo 1.51 Sea
A =
_
_
3 5 2
4 2 3
1 2 4
_
_
Calcule |A|.
Solucion. De la denici on se tiene que
|A| =

3 5 2
4 2 3
1 2 4

= 3

2 3
2 4

4 3
1 4

+ 2

4 2
1 2

= (3) (2) (5) (19) + (2) (10)

= 69
Como sabemos donde ir a el signo () en el c alculo de un determinante? Con cada
entrada a
ij
se asocia tambien el n umero
(1)
i+j
y a la matriz que resulta de eliminar la i-esima la y la j-esima columna se le llama
menor ij.
Denici on 1.52 Sea A una matriz de nn. El cofactor ij de A, denotado A
ij
, esta da-
do por
A
ij
= (1)
i+j
|M
ij
|
donde M
ij
es la matriz resultante de A al eliminar la la i y la columna j.
1.5. DETERMINANTES 28
Con esto en mente podemos escribir la denici on general de determinante como
sigue:
Denici on 1.53 Sea A una matriz de orden n. Entonces el determinante de A, deno-
tado por |A| o por det (A), esta dado por
det (A) = |A| =
n

k=1
a
1k
A
1k
El lado derecho de esta igualdad se llama expansi on por cofactores.
Observaci on 1.54 Se puede demostrar que la expansion por cofactores se puede aplicar
a cualquier la, incluso a cualquier columna y se obtiene el mismo valor para det (A).
Ejemplo 1.55 Calcule det (A) donde
A =
_

_
1 3 5 2
0 1 3 4
2 1 9 6
3 2 4 8
_

_
Solucion. De acuerdo a la denicion se tiene que
|A| = 1

1 3 4
1 9 6
2 4 8

0 3 4
2 9 6
3 4 8

+ 5

0 1 4
2 1 6
3 2 8

0 1 3
2 1 9
3 2 4

= (1) (92) (3) (70) + (5) (2) (2) (16) = 160

Ahora veamos algunas maneras de simplicar los c alculos.
Sea A
33
una matriz, existe otro metodo para calcular det (A) conocida como regla
de Sarrus: Copie la primera y la segunda columna de la matriz a la derecha como se
ilustra:

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

a
11
a
21
a
21
a
22
a
31
a
32
Calcule los seis productos que se indican poniendo el signo que indican las echas y
sume todo:
Observaci on 1.56 Este metodo

UNICAMENTE funciona para determinantes de or-
den n = 3. Si intenta algo similar para otros ordenes el resultado es equivocado.
1.5. DETERMINANTES 29
Otros casos especiales son los siguientes:
Teorema 1.57 Sea A = [a
ij
] una matriz de orden n triangular superior o triangular
inferior. Entonces
det (A) = |A| = a
11
a
22
a
nn
Esto es, el determinante de una matriz triangular es igual al producto de su diagonal.
Teorema 1.58 Sea T una matriz triangular superior. Entonces T es invertible si y
solo si det (T) = 0
Teorema 1.59 Sea A una matriz de orden n si A tiene toda una la o toda una
columna de ceros, entonces det (A) = 0
Teorema 1.60 Sea A una matriz de orden n si dos columnas o dos las de A son
identicas, entonces det (A) = 0
Teorema 1.61 Sean A y B matrices de orden n. Si B es la matriz obtenida sumando
un m ultiplo de un renglon de A a otro, entonces det (A) = det (B)
Teorema 1.62 Sean A y B matrices de orden n. Si B es la matriz obtenida de A
intercambiando dos renglones de A, entonces |B| = |A|
Teorema 1.63 Sean A y B matrices de orden n. Si B es la matriz obtenida de A
multiplicando toda una la por una constante k, entonces |B| = k |A|
Teorema 1.64 Si k es una constante y A una matriz de orden n entonces |kA| = k
n
|A|
Teorema 1.65 Sean A y B matrices de orden n. Entonces det (AB) = det (A) det (B)
Todos los teoremas anteriores son v alidos y se cambia rengl on por columna, mas
a un
Teorema 1.66 Sea A una matriz de orden n, entonces
|A| =

A
T

Finalmente relacionamos los determinantes con las matrices inversas:

Teorema 1.67 Sea A una matriz de orden n, entonces A tiene una inversa si y solo
si
det (A) = 0
Ejercicio 1.24 Eval ue los determinantes si es posible
1.5. DETERMINANTES 30
1.

2 1
3 2

2.

3 2
5 4

3.

2 a
a 2

4.

2 1 3
2 0 1
4 0 6

5.

2 1 5
3 4 1
0 6 1

6.

1 2 3
4 5 4
3 2 1

7.

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

8.

1 7 3 8
0 1 5 4
0 0 1 7
0 0 0 1

9.

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

10.

1 3 2 6 4
0 13 0 1 5
2 1 2 3 4
1 1 4 5 9