Unidad 1

Álgebra de matrices

Objetivos

Al nalizar la unidad, el alumno:

• Conocerá qué es una matriz y cuáles son sus elementos.

• Distinguirá los principales tipos de matrices.
• Realizará operaciones básicas entre matrices.
• Aplicará el método de Gauss-Jordan para resolver sistemas de ecuaciones mxn.
• Aplicará el álgebra de matrices a la solución de problemas.
Matemáticas para negocios 9

Introducción

El estudio y solución de problemas de cualquier tipo, y en este caso los

relacionados con los negocios, puede llevarse a cabo de múltiples formas; sin
embargo, de manera generalizada suele decirse que para resolver alguno de
estos problemas se requiere de tres etapas principales, siendo éstas: 1) Formulación
del problema, por ejemplo, mediante un modelo matemático, 2) Solución del
modelo matemático (problema) y 3) Implementación de la solución o mejora.
Dado este escenario es entonces que para realizar de manera eciente el
segundo paso mencionado nos disponemos a estudiar el álgebra de matrices,
considerando desde las deniciones, hasta las operaciones básicas y también el
método de Gauss-Jordan, todo lo cual se utilizará para resolver algunos
modelos.

1.1. Matrices

Las matrices son arreglos rectangulares de números, algunas provienen de un

sistema de ecuaciones lineales, en los que sólo se consideran los coecientes de
las variables o los coeficientes y valores de las constantes tomando en cuenta su
posición exacta dentro del sistema.
Denición 1.1.
Un arreglo rectangular o matriz es de la forma:

 a11
a12  a1n

a a  a
A   21 22 2n  (1)
mxn      
a a  a
 m1 m2 mn 

donde los aij son escalares y se les denomina componentes o entradas de la matriz
los cuales se encuentran dispuestos en n columnas y m renglones o las. Se puede
utilizar Amxn para indicar la matriz o sólo el símbolo en letras mayúsculas A. El par
de números m ×n nos dice el tamaño de la matriz a la cual también se le llama
1 Unidad 1 ▪ Álgebra de

orden.
Matemáticas para negocios 11

De lo anterior podemos decir que la primera la de la matriz A es (a11, a12, ... a1n)
 a11 
 
y la primera columna a21 

 
 am1 

A partir de esto definiremos un vector renglón y un vector columna.

Denición 1.2.
Un vector renglón de n componentes ordenados es de la forma:

(a1, a2, …, an) (2)

Denición 1.3.
Un vector columna de n componentes ordenados es de la forma:
 b1

 
 b2  (3)
 
 
b
 n

 1 5 
Ejemplo 1  
Se presenta una matriz 3×2: 2 3
 5 7 
 

Un vector renglón de cinco componentes: (5,4,3,2,1).

 15 
 
Y un vector columna de tres componentes: 5
 
 1 
1 Unidad 1 ▪ Álgebra de

1.1.1. Tipos de matrices

a) Matrices cuadradas

Las matrices cuadradas son aquellas que tienen el mismo número de columnas y
las. Una matriz cuadrada de n las y n columnas se dice que tiene orden n.

 a11
a1  a1n 
 2

a a  a

A  21 22 2n  (4)
nn      
a a  a
 n1 n2 nn 

La diagonal principal de la matriz cuadrada

A  aij son las entradas
a11, a22 ,, ann , esto es, donde i  j .


Ejemplo 2 Ejemplo de una matriz cuadrada y los componentes de la diagonal principal.

7 1 5

 y los componentes de la diagonal principal son 7, 4 y 2.
6 4 8
 
1 3 2
 

Las matrices cuadradas de acuerdo con el valor y la distribución de sus elementos

se clasican como:

Denición 1.4.
Una matriz cuadrada Ann  aij  se denomina diagonal si todas las
entradas
fuera de la diagonal principal son cero.

 c11 0 0 
 
 0 c22 0 (5)
0 0
c33 

Un caso especial de matriz diagonal es la llamada matriz identidad, en la que los
elementos de la diagonal principal son 1.
Matemáticas para negocios 13

1 0 0

 (6)
0 1 0
 
0 0 1
 
1 Unidad 1 ▪ Álgebra de

Ejemplo 3 Éste es un ejemplo de matriz diagonal diferente a la matriz identidad, ya que los
elementos de la diagonal principal son todos diferentes a la unidad.

7 0 0
 
0 5 0
 0 0 9 
 

Denición 1.5.
Una matriz cuadrada Ann  aij  se denomina triangular superior si todas
las
entradas abajo de la diagonal principal son cero.

c c c 
 11 12 13 
0 c c (7)
 22 23 
0 0
c33 


Ejemplo 4 Éste es un ejemplo de matriz triangular superior.

7 3 8
 
0 5 1
 0 0 9 
 

Denición 1.6.
Una matriz cuadrada Ann  aij  se denomina triangular inferior si todas
las
entradas arriba de la diagonal principal son cero.

 c11 0 0 
c c 0 (8)
 c21 c22 c 
 31 32 33 

Ejemplo 5 Éste es un ejemplo de matriz triangular inferior:

7 0 0
 
4 5 0
 5 1 9 
 
Matemáticas para negocios 15

Denición 1.7. Dos matrices A y B son iguales, es decir A = B, si tienen el mismo orden y todas
sus entradas correspondientes son iguales:

 a11 a12 a13   b11 b12 b13 

   
A a a ; B b b ; si  b entonces A  B . (9)
a b a
 a21 a22 a23   b21 b
22
b 
23 ij ij

 31 32 33   31 32 33 

Ejemplo 6 Éste es un ejemplo de dos matrices iguales:

 7 6 8  7 6 8
A  4 5 2 ; B   4 5 2  como
 b , entonces A  B .
a
  ij ij

 
5 1 9 5 1 9
   

Con estas deniciones es posible establecer las bases de las operaciones con
matrices y la manera de realizar las mismas.

b) Transpuesta

Una matriz particular es la transpuesta AT de la matriz A, si resulta de intercambiar

las las por las columnas de la matriz A:

 a11 a12
 a1n  a11 a21  am1 
    
a a  a a a  a
A   21 22 2n  entonces su transpuesta AT   12 m2 
es
22
          
a a  a (15) a a  a

 m1 m2 mn   1n 2n mn 

Debe notarse que si A es una matriz m × n, entonces AT es una matriz n × m.

Además existen propiedades que la matriz transpuesta cumple:

Propiedades. Transpuesta de una matriz:

1 Unidad 1 ▪ Álgebra de

T
i)
A  B   AT  BT
ii)
A T
A


T
 kAT, k es un escalar.
T
iii)
kA   AT BT
iv)
AB
T

Matemáticas para negocios 17

1 2
 1 3 5
Ejemplo 7 A3  entonces su transpuesta A T
23  2 4 6 
2  3 4 es  
  
 
 5 6

Denición 1.8.
Una matriz cuadrada  aij  es simétrica A  AT
Ann si

Ejemplo 8 Éste es un ejemplo de matriz simétrica:

1 2
Con A  1 2 se calcula AT  y A  AT, A es simétrica.
 
 2 como
 2 


i
Denición 1.9.
Una matriz cuadrada  a  es antisimétrica si A  AT
Ann

Ejemplo 9 Éste es un ejemplo de matriz antisimétrica:

 2 
Con 0 2 se calcula AT  2 y A 
0 ; como A  AT,
A  
0 
     
2 0   2 0  2 0
A es antisimétrica.

1.2. Operaciones con matrices

Dado que las matrices son entidades matemáticas de gran utilidad, como los
números por ejemplo, a continuación se presentan las operaciones que se pueden
realizar entre matrices.
1 Unidad 1 ▪ Álgebra de

1.2.1. Multiplicación por un escalar

La multiplicación o producto de un escalar k por una matriz A, representado por k 

A
o por kA es la matriz que se obtiene al multiplicar cada componente de A por k:

 ka11 ka12  ka1n

ka ka  ka
kA   21 22 2n  (10)
     
ka ka  ka
 m1 m2 mn 

cabe mencionar que en todas las operaciones deben respetarse las leyes de los signos.
También se dene –A = –1A.

 1 2 3 4   2 1 22 23 2  4 
 1 2 3 4 2 1 2 2 2 3 2 4 
Ejemplo 10 Sea A   entonces, 2A   


2 4 6 8   22 24 26 28 
 1  21 2 2 2  1 
2 5
 1 2 5

 2 3 7 2   2 3 7 2 
 2 4 6 8 
2 4 6 8
Es decir 2A   
 4 8 12 16 
 
1 4 10
1
 3 7 

1.2.2. Suma de matrices

La suma de matrices sólo está denida para matrices del mismo tamaño, esto es,
con el mismo número de columnas y renglones. Para explicar la suma de
matrices necesitamos las matrices A y B del mismo tamaño:

 a11 a12  b11 b12

 a1n  b1n 
   
a a  a b b  b
A 21 22 2n  y B 
Matemáticas para negocios 19

21 22 2n 
          
a a  a b b  b

 m1 m2 mn   m1 m2 mn 
2 Unidad 1 ▪ Álgebra de

La suma de matrices, denotada por A+B, es la matriz que se obtiene sumando las
componentes correspondientes:

 a11  b11 a12   a1n  b1n 

b12
 
a b a b  a b

A  B  21 21 22 22 2n 2n 
(11)
     
a b a b  a b
 m1 m1 m2 m mn mn 
2

Ejemplo 11 Sean las matrices A y B:

5 1   3 8 
A B ,  5  3 1 (8)   8 7 
;   entonces AB     y
0 2   0  5 2  4 5 2
5 4
       

 5  3 1 (8)   2 9 
A  B  0  5 2  4  5 6
   

A continuación se presentan las propiedades básicas de las operaciones de

multiplicación por un escalar y de la suma de matrices:

Propiedades. Multiplicación por un escalar y suma de matrices.

Del conjunto de todas las matrices, tomamos las matrices A, B y C y los escalares
k1 y k2 cualesquiera, entonces se tiene que:

i) A  B  C  A  (B  C )
ii)
A  0   A
iii) A   A   0
iv)
ABBA
v) k1 A  B   k1A  k1B
vi)
k1  k2 A  k1A  k2 A
vii)
k1k2 A  k1 k2 A
viii)
1 A  A y 0  A  0
Matemáticas para negocios 21

1.2.3. Multiplicación de matrices

La multiplicación o producto de matrices denotado por A  B , para su mejor

comprensión, requiere partir del caso más sencillo que es el producto de un
vector renglón por un vector columna, y al resolver éste, la metodología se repite
en matrices de mayor tamaño.

Sea el vector renglón

A  ai  y el vector columna B  bi  , entonces el producto
interno está dado por:
 b1 
 2
A  B  a , a ,..., a b   a  a  a b (12)
b b
1 2 n  1 1 2 2 n n
 
b
 n

Cabe señalar que tanto el vector renglón A como el vector columna B tienen n
elementos, por lo que el producto interno está denido.

Ejemplo 12 Considera los siguientes vectores:

 2 
 
 8 
B    , entonces
 
2
A  5, 7, 1 , 2,  2
3 5 

1
y
 7
 3
 
A  B  5  2   7  8   1  2   2    
1 2
 
 3  10   56    2    1 2
 
 2
3 5 7 7 15 7
3 7

A  B  46.56 , redondeado a dos decimales.

Con lo anterior podemos acercarnos de mejor manera a la multiplicación de

matrices como sigue:

Denición 1.10.
Multiplicación de matrices

Sea
 2 Unidad 1 ▪ Álgebra de

A  aij  y B  bij  dos matrices donde el número de columnas de A es

igual al número de las de B; esto es, que A es una matriz m×p y B es una
matriz p×n. Entonces la matriz AB = C es la matriz m×n, donde la componente
Matemáticas para negocios 23

ij es la que se obtiene multiplicando la la i-ésima de A por la columna j-ésima

de B:

A B = C
 a11  b1 
 a1p    b1n  c1n 
b11  c
  j
 11 
         
    
 ai1  ai p     bi   =  cij  (13)
  j   
         
a
m1
 am p   bp1  bp j  bp n   m1 mn

    c  c 

Donde cij  ai1b1 j  ai 2b2 j  aipbpj . Además se observa que A tiene p columnas y
B p las tal como se requiere, en otro caso la multiplicación no está denida.

Ejemplo 13  x y  t0 t1 t2   xt0  xt1  yh1 xt2  yh2 

yh
 0   
z w h h    wh zt  wh zt  wh
h
zt
  0 1 2 0 0 1 1 2 2 

El orden en que se realiza cada operación se puede ver siguiendo la secuencia

de los términos encerrados con cuadrados y los términos circulados. Así el
componente c11 se obtiene del producto del primer renglón de A con la primera
columna de B:

 t0 
x y  xt  yh
  0 0
 h0 

Obteniendo el resto de los componentes de manera similar.

Ahora otro ejemplo:

 1 2 1   (2)(1)  (6)(3) (2)(2)  (6)(0)

 2 6  (2)(1)  (6)(1) 
4 3 3 0 1  (4)(1)  (3)(3) (4)(2)  (3)(0) (4)(1)  (3)(1)
    

 2  18 4  0 2  6   20 4 4 
   
4  9 8  0 4  3   13 8 1 
2 Unidad 1 ▪ Álgebra de

También se debe destacar que la multiplicación de matrices no es conmutativa,

es decir, los productos AB y BA no son necesariamente iguales.

1.3. Solución de ecuaciones de orden m × n,

mediante el método de Gauss-Jordan

Una de las herramientas más práctica y comúnmente utilizada para resolver

sistemas de ecuaciones es el método de Gauss-Jordan; con el fin de comprender
y aplicar dicho método, partiremos de la representación de sistemas de
ecuaciones lineales en matrices y revisaremos los conceptos de matrices
escalonadas y operaciones elementales entre las.

1.3.1. Sistemas de ecuaciones lineales: representación por matrices

Los sistemas de ecuaciones pueden representarse mediante matrices, donde lo

importante son los coecientes del sistema de ecuaciones y su posición dentro
del mismo. Para ejemplicar lo anterior se presenta la manera en la que se
realiza tal representación matricial.

El sistema de ecuaciones lineales

a11x1  a12 x2  a1n xn  b1

a21x1  a22 x2  a1n xn  b2
 (14)

am1x1  am 2 x2  amn xn  bm

Es equivalente a la ecuación matricial

 a11
a1  a1n  x1   b1 
 2

a a  a x   
2n  2 
b2  o sólo AX  B
 21 22
 (15)

 a a
   
 a    b 

x
 m1 m2 mn  n   m

Donde A es una matriz m×n, X y B son vectores columna. Con esta

correspondencia entre el sistema de ecuaciones lineales (14) y la ecuación
matricial (15) se observa
Matemáticas para negocios 25

que la solución de la ecuación matricial también corresponderá a la solución del

sistema de ecuaciones lineales.

De la ecuación matricial (15), la matriz A se conoce como la matriz de

coecientes del sistema de ecuaciones (14) y a la siguiente matriz se le conoce
como la matriz aumentada del sistema de ecuaciones (14):

 a11 a12  a1n b1 

 
a a  a b
 21 22 2n 2  (16)
      
a a  a b
 m1 m2 mn m 

La cual se obtiene aumentando una última columna a la matriz de coecientes y

escribiendo en esta última columna los términos independientes del sistema de
ecuaciones.

Ejemplo 14 Obtener las matrices de coecientes y aumentada del sistema de ecuaciones

lineales:
3x1  2x 2 1xn  7
4x1  1x2  3xn  (I)
5
2x1  8x2  7 xn  1
9

La matriz de coecientes y aumentada del sistema de ecuaciones (I) son

respectivamente:

3 2 1
3 1 7

  2

 4 1 3 y 4 1 3 5 (I)
   
 2 8 7   2 7 1 
 9
 9 3 

Se dice que un sistema AX  B es inconsistente si no tiene solución y que es

consistente si el sistema tiene al menos una solución.
2 Unidad 1 ▪ Álgebra de

1.3.2. Matrices escalonadas

Para encontrar la solución de un sistema de ecuaciones lineales a través del

álgebra de matrices, se debe obtener matrices escalonadas y matrices
escalonadas reducidas por renglones, por lo anterior se presenta la siguiente
denición:

Una matriz A escalonada es aquella que:

i) El número de ceros anteriores a la primera componente distinta de cero de

una la crece la por la hasta llegar a las donde todos sus componentes
sean ceros, si existen estos componentes.
ii) La primera componente distinta de cero de cada renglón es una componente
distinguida del renglón y si es un número 1 se le llama pivote.
iii) En particular se llama matriz escalonada reducida por renglones o las,
si las componentes distinguidas de la matriz todas son iguales a 1 y los
elementos por arriba y por debajo del pivote son todos iguales a cero.

Ejemplo 15 La matriz A es una matriz escalonada con componentes distinguidas subrayadas

y la matriz B es una matriz escalonada reducida por renglones también con
los pivotes subrayados.

3 1 2 5
  1 0 0
0 0 2 8  
A ; B0 1 3
0 0 0 4
  0 0 0
0 0 0 0  
 
El 3 es la primera componte distinta de cero del primer renglón, el 2 es la
primera componente distinta de cero del segundo renglón y el número de ceros
anteriores a este 2 aumentó respecto del primer renglón y así sucesivamente para
los cuatro renglones de la matriz A, por lo tanto es una matriz escalonada. De
igual forma se observa que la matriz B es una matriz escalonada reducida por
renglones. Pero, ¿cómo se obtienen las matrices escalonadas reducidas por
renglones? Esta pregunta se responde en la sección siguiente, donde se
establecen las operaciones con las o renglones de una matriz para obtener la
matriz escalonada reducida por renglones.
Matemáticas para negocios 27

1.3.3. Operaciones elementales entre renglones

Las operaciones elementales entre renglones o las de una matriz son:

i) Multiplicar o dividir todo un renglón por un número diferente de cero.

ii) Sumar o restar un múltiplo de un renglón a otro renglón.
iii) Intercambiar dos renglones.

Para realizar la reducción por renglones de una matriz se utilizan las operaciones
denidas bajo la siguiente notación:

1. Ri  kRi El i-ésimo renglón se reemplaza por el mismo renglón

multiplicado por el escalar k.
2. Rj  Rj  kRi El j-ésimo renglón se reemplaza por la suma (resta) del
j-ésimo renglón y k veces el i-ésimo renglón.
3. Ri  Rj El i-ésimo renglón se intercambia con el j-ésimo renglón.

Ejemplo 16 1. Ri  kRi , se presenta la operación en varios pasos con nes de enfatizar la

multiplicación del escalar con todos los componentes del mismo renglón.

R1  3 2
7  1
 3 1 7   3 1 7 
 2   1
R  2
R 4 1 3  5 R2  2 1 4  1
1 1

1
3 5
3
2
 1 5  1 4
 4 4 4 4  4 4 4 
 
R3 2 8 7
1  2 8 7
1   2 8 7 1 

 9 3  9 3  9 3 
 

2. Rj  Rj  kRi , se presenta la operación en varios pasos con nes de enfatizar

la suma (resta) y multiplicación del escalar con todos los componentes del
mismo renglón.

R1  3 2
1 7   3 1 7 
 2   
R 1   5 R2 3R2 3( 1
3( 3 ) 3( 5
) R 1
1
3
 3(1) )  R
R 1 2 
2 4 4 4  4 4 4 
R3 2 8 7
1 
2 8 7 1 

 9 3   9 3 
 3  3  2   1  7  
3 9 15
 0
2 Unidad 1 ▪ Álgebra de

1 5 43

 4 4   4 4 4
3 4
 3 9 15 
 3 9 15
   4 4 4

4 4 4
3
 2 8 7 1   2 7 1 
8
 9 3   9 3 
Matemáticas para negocios 29

3. Ri  Rj , se presenta la operación en varios pasos con nes de enfatizar el

intercambio de renglones:

R1  0 1
5 43
  2 8 7 1

4 4 4 9 3

R  1 1    
 5  R1 R3 

1
5
2 4 4
 4 1 4 4 
R3  2 8 7
3 3
1  0 1 5 43 

 9 3   4 4 4 

1.3.4. Método de Gauss-Jordan

Método utilizado para resolver sistemas de ecuaciones lineales mediante la

reducción por renglones de la matriz aumentada del sistema, una vez realizado
esto, se obtienen las soluciones del mismo, recuperando directamente de la
matriz escalonada el valor de las incógnitas del sistema. El método puede
enunciarse como sigue:

i) Obtener la matriz aumentada del sistema AX  B .

ii) Reducir la matriz aumentada a la forma escalonada reducida por
renglones.
iii) Obtener las soluciones del sistema.

Ejemplo 17 Resuelve el siguiente sistema de ecuaciones lineales con el método de Gauss-Jordan:

x2y6
2x  y  9
i) Obtener la matriz aumentada del sistema AX  B .
Se obtiene con los coecientes de cada variable y los términos independientes
de cada ecuación. R  1 2 6 
1
 
R2  2 1 9
ii) Reducir la matriz aumentada a la forma escalonada reducida por renglones.
Para reducir la matriz aumentada se utilizan las operaciones elementales
entre renglones:

R1  1 2 6  R  R  2 R 1 2 6 R 2
  1R  1  2 2 1  
2 6  3  
       
2

R2  2 1 9  0 3 21  0 1 7 
R  R  2R 1 0 8 
    
1 1 2
 

3 Unidad 1 ▪ Álgebra de

0 1 7
Matemáticas para negocios 31

iii) Obtener las soluciones del sistema.

Para obtener las soluciones del sistema leemos de la matriz escalonada

reducida por renglones que x  8 y y  7 , que son los valores que están
localizados en la última columna de la matriz escalonada que les corresponde
a los pivotes de x y y .

Ejemplo 18 Resuelve el siguiente sistema de ecuaciones lineales con el método de Gauss-

Jordan:
x  5 y  14
3x 15 y  42

i) Se obtiene la matriz aumentada del sistema AX = B

 1 5 14 
 
 3 42


15

ii) Se lleva a la matriz aumentada a la forma escalonada reducida por

renglones

 1 5 14  5 14 
R  R

 1 
3R
   2 2 1
   
 3 15 42   0 0 0

iii) Se obtienen las soluciones del sistema

El nuevo sistema es: x  5 y  14

Por lo tanto x  5 y 14

yt
Donde t es un parámetro que puede tomar cualquier valor.
El sistema de ecuaciones tiene un número infinito de soluciones.

Ejemplo 19 Resuelve el siguiente sistema de ecuaciones lineales con el método de Gauss-

Jordan:

9x  6 y  8
6x  4 y  5
3 Unidad 1 ▪ Álgebra de

i) Se obtiene la matriz aumentada del sistema AX = B

 9 6 8 
 
6 4 5
 
ii) Se lleva a la matriz aumentada a la forma escalonada reducida por renglones

 2 8   2 8 
 9 6 8  
1
R R  
1 3 9 
1 
  9 6R1   R2 3 9 
1 1 R 2

   
 6 4 5  6 4 5   0 1
  3 

 0

iii) Se obtienen las soluciones del sistema
El sistema no tiene solución. Se observa en la segunda ecuación que el sistema
equivalente tiene una inconsistencia, esto es:
2 8
x y
3 9
1
0x  0 y  
3

Cabe señalar que el estudio y práctica de los conceptos previamente revisados,

sentarán las bases necesarias para el uso del álgebra de matrices y el método de
Gauss-Jordan para la resolución de problemas; estas herramientas serán utilizadas
en los capítulos siguientes, donde se resolverán problemas en el ámbito de la
toma de decisiones apoyada en resultados cuantitativos de modelos
matemáticos.

1.4. Aplicaciones a los negocios

En el área de los negocios se presentan una gran cantidad de problemas en

los cuales la necesidad de obtener soluciones cuantitativas nos lleva a plantear
modelos matemáticos. Resolver estos problemas, en ocasiones, implica encontrar
la solución de sistemas de ecuaciones lineales.

Aun y cuando el planteamiento de los diferentes problemas generen muy

variados sistemas de ecuaciones lineales, los métodos para encontrar su solución
son los mismos, uno de ellos es el que abordamos en temas anteriores que es el
de Gauss- Jordan y que retomaremos ahora para resolver problemas
Matemáticas para negocios 33

relacionados con los negocios.

3 Unidad 1 ▪ Álgebra de

Una situación común en los negocios es el cambio de divisas, ya que en la

actualidad cualquier negocio con socios o tratos internacionales necesariamente
deberá manejar equivalencias y cotizaciones de diferentes tipos de monedas.

En alguno de estos casos es necesario plantear sistemas de acuaciones lineales

para su solución. Ejemplo 1. En un viaje de negocios se realizan las siguientes
operaciones con dinero; se cambia 2960 pesos por dólares y euros, importe por el
cual se reciben 160 euros y 80 dólares. Después, se cambian 4800 pesos y se reciben
200 euros y 200 dólares. ¿Es posible expresar cuál es la cotización del tipo de cambio
del euro y del dólar mediante un sistema de ecuaciones lineales? Para expresar este
planteamiento, primero se plantea el sistema de ecuaciones que modela la
situación: Se dene x como el tipo de cambio del euro y y como el tipo de
cambio del dólar. Entonces, las dos operaciones se establecen como:

160x  80 y  2960 (1)

200x  200 y  4800 (2)

Entonces la matriz aumentada del sistema de ecuaciones es:

160 80 2960 

200 200 4800 
 
Resolviendo el sistema de ecuaciones con el método de Gauss-Jordan, se tiene:

1
13
0 
 11
0 1 


Es decir que el valor de las variables del sistema de ecuaciones son:

x  13
y  11

Lo cual quiere decir que el tipo de cambio para el euro es de 13 y de 11 para el

dólar.

Ejemplo 20 Un empleado recibió un bono por la cantidad de $14,800 el cual decidió invertir
en dos diferentes instrumentos. Si el instrumento A le produjo un rendimiento de
4% mensual y el instrumento B un rendimiento de 6% mensual y si el empleado
Matemáticas para negocios 35

recibió $752 de intereses en total en el primer mes, ¿qué cantidad de dinero

invirtió en cada uno de los instrumentos?

Si se definen a

x: cantidad de dinero a invertir en el instrumento A

y: cantidad de dinero a invertir en el instrumento B

Podemos establecer la relación entre estas variables mediante el siguiente sistema

de ecuaciones.
x y  14800
0.04x  0.06 y  752
En la primera ecuación se establece que la suma de las cantidades invertidas en
los dos diferentes instrumentos es igual a la cantidad total a invertir que es de
$14,800.

En la segunda ecuación se establecen los rendimientos de cada uno de los

instrumentos que en total producen $752 de intereses.

La matriz aumentada asociada al sistema de ecuaciones es:

 1 1 14800 
 
 0.04 0.06 752 
Resolviendo el sistema de ecuaciones con el método de Gauss-Jordan

 1 14800 
1 1 14800 R 
1
R  1 1 14800 
 1 
2
R2 R2 0.04 R1  0.02   
   
2

 0.04 0.06 752  0 0.02 160   0 1 8000 


R  R R  6800 
  
1
0
1 1 2
 0 
 8000

1
x  6800
de donde
y  8000
El empleado invirtió $6,800 en el instrumento A y $8,000 en el instrumento B.
3 Unidad 1 ▪ Álgebra de

En la siguiente sección se presenta una serie de ejercicios, desde las operaciones

básicas con matrices hasta las aplicaciones a los negocios.
Matemáticas para negocios 37

Ejercicios

1.2. Operaciones con matrices

Considera las siguientes matrices:

1 8 2 5 2 0  57 1
0
2
   
A  2 9 5 B  6 1 5 , C  6 
  2  D  3 2 1,
,   7 5
5 ,
5 6 7  3 1 3 
 3 1 0
    8 4 
5
E  4 7 2 y G 
 
1.2.1. Multiplicación por un escalar

Realiza las siguientes multiplicaciones por escalares:

a) 3A
b) 1 A
2
c) 2C
d)  2 B
5
e) 3C

1.2.2. Suma de matrices

Realiza las siguientes sumas:

a) AA
b) AB
c) AB
d) BC
e) 2 A  2B

1.2.3. Multiplicación de matrices

Realiza las siguientes multiplicaciones:

a) DA
b) EC
c) AB
3 Unidad 1 ▪ Álgebra de

d) BA
Matemáticas para negocios 39

e) D( A  C )
f) EG

1.2.4. Transpuesta

Realiza en cada caso lo que se pide:

a) AT
T
b) A  B 
c) BT 8 10 3
d) ¿Es simétrica la matriz H  10 4 2  ?
6 2 14 
 
 0 15 24 
e) ¿Es antisimétrica la matriz J  15 0 15 ?
 
24 15 0
 

1.3. Solución de sistemas de orden m × n, mediante el

método de Gauss-Jordan

1.3.1. Sistemas de ecuaciones lineales: representación por matrices

Obtén las matrices de coecientes y aumentada de los sistemas de ecuaciones:

2x  3y  0
a) x  y  0

2x  3y  5
b) x  y  7

2x1  x2  x3  16
c) x1  x2  8x3  1
1
x  3 5x2  7 8x3  4
2 1

x1  x2  x3  11
d) x1  x2  x3  10
2x1  3x  5x  7
2 3

1
x  1 3x2  1 x3  10
2 1
e)  1 x1  1 x2  1 x3  2
2 3
1
x1  1 x2  1 x3  3
5 7
4 Unidad 1 ▪ Álgebra de

1.3.2. Matrices escalonadas

Indica cuáles son las componentes distinguidas y pivotes de las matrices:

1 0
a)  
 0 1
3 2 4
b) 0 2 6 

 0 0 3 
 
1 2 0
 
c) 0 1 6
 0 0 0 
 
0 1 0 0
 
0 0 1 0
d)  
0 0 0 1 
 
0 0 0 0
 
 0 1 8 2 0 3 0 

e)  0 0 0 1 0 1 1 
0 0 0 0 0 1 9

 0 0 0 0 0 0 1 

1.3.3. Operaciones elementales entre renglones

Realiza correctamente la operación entre renglones que se indica en cada inciso:

R1  5 2 0   1
R
a) R 6 1 5 R1  1
2 
R  3 1 2 
5

3 
R1  1 8 2   
b) R 2 9 5 R2 R2 2 R1
2 
R 5 6 7
3 
c)
R1  5 1 0  
7 R? ?  ?  ? ? ?   3 R?1 ? ? 
R3 
R 67  2 5  R1   1  
6 2 5
 R
3
   6
 2 5
   ?
R 2
5
R3
? ?
2 7 5 3 7 5 3  ?7 ?5 ?3   ? ? ?
R 3 1 0 
 3 1 0
3 8 4  8 4    

Matemáticas para negocios 41

d) Reduce por renglones las matrices:

 2
i) A 
4 12 
 2 
 1
3
 3 3 
 8 10 6 
 
ii) B  10 4 16
 6 2 10 
 
1.3.4. Método de Gauss-Jordan

i) Obtener o contar con un sistema de ecuaciones lineales de m ecuaciones y n

incógnitas.
ii) Obtener la matriz aumentada del sistema AX  B
iii) Reducir la matriz aumentada a la forma escalonada reducida por
renglones.
iv) Obtener las soluciones del sistema.

Resuelve los siguientes sistemas de ecuaciones lineales con el método de Gauss-

Jordan:
6x  2 y  0
a)
5x  5 y  0
3

8x  7 y  30
b)
5x  4 y  18

xy3
c)
3x  2 y  11

x1  x2  x3  10
d) x1  x2  3x3  2
x1  x2  x3  4

2x1  3x2  5x3  57

e) x1  2x 2 1x3  1
3x1  4x 2  4x 3  55
4 Unidad 1 ▪ Álgebra de

1.4. Aplicaciones a los negocios

1. Un sábado por la noche, como dueño de una zapatería examinas los recibos
de las ventas semanales. De acuerdo con el reporte se vendieron 300 pares
de zapatos tenis de dos modelos diferentes cuyos precios son de $1,500 para
el modelo A y de $1,250 para el modelo B. La máquina registradora falló
y sólo se cuenta con el registro del número total de pares vendidos y del
total de ingresos que fue de $406,250. Necesitas hacer un nuevo pedido a
tu proveedor por lo que requieres determinar el número exacto de pares
vendidos de cada modelo.

Resuelve el sistema de ecuaciones empleando el método de Gauss-Jordan.

2. Una exportadora de tres productos diferentes (x, y, z) trabaja en tres diferentes

países (A, B, C) debido a esto sus productos tienen diferentes precios de
venta en cada uno de los países. Los totales que la exportadora ha obtenido
son de $310,000, $439,000 y $355,000 respectivamente. Los datos con los que
se cuentan son: para el país A los precios son de $20, $35 y $72; en el país B
de $40, $30 y $110; y en el país C de $10, $55 y $80; para los tres
productos, respectivamente. ¿Cuántos productos de cada tipo se
exportaron? Considera que la cantidad de productos de cada tipo es igual
para los tres países.

3. Se propone un negocio con dos tipos de socios, mayoritarios y minoritarios.

Y para tener un portafolios de inversión con dos instrumentos se requieren
dos montos de $174,000 y $296,000, cada uno; sabiendo que en el monto
menor los socios mayoritarios invierten $3,000 y los minoritarios $1,200
y que para el monto mayor $5,000 y $2,300, mayoritarios y minoritarios
respectivamente, ¿cuál es la cantidad de socios de cada tipo que se requieren
para poder realizar las dos inversiones simultáneamente?
Matemáticas para negocios 43

Autoevaluación

1. Indica cuáles de las siguientes matrices son de orden 2×3.

1 5
4  1 1 5 x y x y z

3
     
A  0 1 ; B  6 12 ; C    D z w E 
; ;
    h1 h2 
0 0 0
h0
   
 0  1 9  h q
  
0 

a) C23 , E
23
b) A23 , D23
c) B23 , E23
d) A23 , B
23
e) C23 , D
23
1 1
2. Es el resultado de 4  
4 2
 :
 1 3 
 1 1

a)  161 8
3

 4 4

 1 1

b)  8 16


34 1

 4 12 
c) 
1 

3 1

d)  4 4
 81 161


 1 2
e) 
 
4
3. Suma las matrices 
 1 4
y B 5
A
2   
1 2 8 5
6
4 Unidad 1 ▪ Álgebra de

a)     
7 6 

10
 

 2 11
b) 9 7
 

 6 6 
c)  
7 10
 
Matemáticas para negocios 45

 6 6 
d) 
 7 

 6 6

e)  3
7
 
 1
4. Calcula la multiplicación de matrices 2 3 1
 
5 7 
a) (13 19)
b) (13 19)
c) (13 19)
d) (13 19)
e) La multiplicación no está denida.

 2 1 2  5 2 0 
5. ¿Cuál es el resultado de A  B   7 0 4    1 2 1 
   
 1 3 5   2 1 2 
 12 2 1     
a) 35 3 6
 
 1 0 15 
 
19 17 9 
 
b) 1 5 6
4 17 6 
 
 24 5 18 
c) 17 2 5
 
 1 4 10 
 
 7 8 3
 
d) 27 18 8
 12 9 7 
 
 15 2 1 
e) 43 3 6
 
5 2 9
 
4 Unidad 1 ▪ Álgebra de

 a w h0 t0 
b x h t
6. Es la matriz transpuesta de  1 1
 c y h2 t2 
b a c d d z h t
  3
x w y z 3

  
a)
 h1 h0 h2 h3 
t t t t
 1 0 2 3
c a b d
 
y w x z
b) 
 h2 h0 h1 h3 
t t t t
 2 0 1 3
a b c d
 
w x y z
c) 
 h0 h1 h2 h3 
t t t t
 0 1 2 3
d a b c
 
z w x y
d) 
 h3 h0 h1 h2 
t t t t
 3 0 1 2
a c b d
 
x w y z
e) 
 h0 h2 h1 h3 
t t t t
 0 2 1 3

7. ¿A cuál de los siguientes sistemas de ecuaciones lineales corresponde la

 1 8 2 10 
 
matriz aumentada 5 1 5 12 ?
 2 7 1 10 
 
w  8x  2 y 
10 a) 5w  x  5 y
 12 2w  7x  y 
10

x  8 y  2z  10
b) 5x  y  5z  12
Matemáticas para negocios 47

2x  7 y  z  10
4 Unidad 1 ▪ Álgebra de

w  8x  2 y  10
c) 5w  x  5 y  12
2w  7x  y  10

x  5y  2z  10
d) 8x  y  7z  12
2x  5y  z  10

x  5y  z  10
e) 8x  y  5z  12
x  5y  2z  10

xy2
8. Resuelve el sistema de ecuaciones 2x  y  5
x  3 y  34
a) x  7 ; y  9
b) x  7 ; y  9
c) x  7 ; y  9
d) x  9 ; y  7
e) x  9 ; y  7

9. Calcula la solución del siguiente sistema de ecuaciones:

2x 0  2x1  4x 2  6
6x 0  2x1  5x2  4
x0  2x1  3x2  17

a) x0  2 ; x  6 ;
1 x2  1
b) x0  6 ; x  1;
1 x2  2
c) x0  1 ; x  2 ; x  6
1 2
d) x0  1; x1  2 ; x2  6
e) x0  1 ; x1  6 x2  2
;
Matemáticas para negocios 49

Respuestas a los ejercicios

1.2. Operaciones con matrices

1.2.1. Multiplicación por un escalar

Realiza las siguientes multiplicaciones por escalares:

 3 24 6 
a) 3A  15

6 27 
15 18 21

1 4 1

2
b) 1
A = 51 9 5 
2
3 2 7
2 2

  107 1 0 
 
c) 2C =   12 4  10
  37 1 5 0 
 4 2 

2 4
5 0

d)  2 B =   12 2
2 
5   65 2
6
 5 5 5

5 3 3
0
7 2
e) 3C = 6 3 
2 3 5 3

7 5 3
3 3  3
0
 8 4 

1.2.2. Suma de matrices

Realiza las siguientes sumas:

 2 16 4 
 
a) A  A = 4 18 10

10 
12 14 
 
 6 10 2 
 
b) A  B = 8 8 10
 
5 Unidad 1 ▪ Álgebra de

8 5 10 
 
Matemáticas para negocios 51

 4 6 2 
 
c) A  B = 4 10 0
 2 7 4 
 
 40 5 0 
7 2

d) B  C =  
 7 5 20
48 7 
 27  5 3 
8 4 
 8 12 4 
 
e) 2 A  2B = 8 20 0
 4 14 8 
 
1.2.3. Multiplicación de matrices

Realiza las siguientes multiplicaciones de matrices:

a) DA = 12 48 23

b) EC = 
269  13 35

28 10 3

 598 46 
c) AB = 10 60
79
 82 3 51
 
 9 58 20 
 
d) BA = 29 69 42

16 
33 22 
 

e) D( A  C ) = 56
909 969
20
79

f) Como se observa E y G2 x1 , por lo tanto esta multiplicación no está
1x
denida. 3

1.2.4. Transpuesta

Realiza en cada caso lo que se pide:

1 2 5
 
a) A  8 9 6
T

 
5 Unidad 1 ▪ Álgebra de

2 5 7
 
Matemáticas para negocios 53

6 8 8
T  
b) A  B   10 8 5
2 10 10 
 
 5 6 3 
c) BT  2 1 1
 
0 5 3
 
d) La matriz H no es simétrica.

e) La matriz J es antisimétrica.

1.3. Solución de sistemas de ecuaciones m × n, mediante

el método de Gauss-Jordan

1.3.1. Sistemas de ecuaciones lineales: representación por matrices

Obtén las matrices de coecientes y aumentada de los siguientes sistemas de

ecuaciones:
2 3  2 3 0
a)   y   , respectivamente.
1 1 1 1 0
   
 2 3   2 3 5 
b)  1 y   , respectivamente.
1 1 7
  1  
 2 1 1  2 1 1 16 
c) 1 1   1 8 1
8 y
 1  
1 3 7 1 3 7 4 
2 5 8 2 5 8 9 

 1 1 1   1 1 1 11 
d) 1 1 1 y 1 1 1 10
   
   
5
2 3  2 3 5 7 

 1
1 1
  1
10 
1 1

2 3 4 2 3 4
   2 
e)  1 1
 1
y 1 1 
1
 
2 3 4 2 3 4
 1 1 1   1 1 1 
 5 7 9   5 7 9 3
5 Unidad 1 ▪ Álgebra de

1.3.2. Matrices escalonadas

Indica cuáles son las componentes distinguidas o pivotes de las matrices:

1 0
a)  
 
 0 1
3 2 4
 
b)  0 2 6 
 
0 0 3
 
1 2 0
 
c)  0 1 6 
0 0 0
 

0 1 0 0
 
0 1 0
c)  0 
 0 0 0 1
 
0 0 0 0 

 0 1 8 2 0 03
 
 0 0 0 1 0 1 1 
d)  
0 0 0 0 0 1 9
 0 0 0 0 0 0 1 

1.3.3. Operaciones elementales entre renglones

Realiza correctamente la operación entre renglones que se indica en cada inciso:

R1  5 2 0   1R1  1
R
2 0  
a) R 6 1 5 R1  1 R 5 6 1 5
2
  2 
R  3 1 2 
5
R 3 1 2
3  3  
R1  1 8 2

R1  1 8 2     
b) R 2 9 5 R2 R2 2 R1 R 0 7 1
2  2 
R 5 6 7 R 5 6 7
3  3 
Matemáticas para negocios 55

c)

R1  5 1 0 1 7 0  7
0  7
0
1 110
7 2  1
7 10  3  3  10
R 6  5
R 
 
5
R 
 
R3
 5 2
  
R R3 
2 R1 R1  41 0
 6   6   0
2 2

7 2 5 3  5 7 5 3  7 5 3   80 
R 3 1 0 3 1 0  0  41 0  6 2 5
3 8 4  8 4   80  7 5 3

d) Reduce por renglones las matrices:

1 0
i)  8 
0 1 7
 
 1 0 2 
ii) 0 1 1
 
0 0 0
 

1.3.4. Método de Gauss-Jordan

x  y  300
a)
1500x  1250 y  406250

 1 1 300 
b)  
 1500 1250 406250

c) x= 125 y=175 Se vendieron 125 pares del modelo A y 175 pares del modelo
B.

a) x  1, y  3
b) x  2 , y  2
c) x  5 , y  2
d) x1  4 , x2  3 ; x3  3
e) x1  1, x2  5 ; x3  8

1.4. Aplicaciones a los negocios

1) x = 125; y = 175

2) x  2300 y  2400 ; z  2500

;
5 Unidad 1 ▪ Álgebra de

3) 50 mayoritarios y 20 minoritarios en ambas inversiones.

Matemáticas para negocios 57

Respuestas a la autoevaluación

1. a)
2. e)
3. e)
4. b)
5. d)
6. c)
7. b)
8. c)
9. e)