MATEMATICA COMPUTACIONAL

Ing. Ariel Naddir Aguilar Duran

MATRICES Y SISTEMAS DE ECUACIONES

1. Matriz. Es un arreglo rectangular conformado por 𝑚 𝑓𝑖𝑙𝑎𝑠 y 𝑛 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠, y se denota de
la siguiente manera:
𝑨𝒎×𝒏 : 𝐴 𝑒𝑠 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑚 𝑓𝑖𝑙𝑎𝑠 𝑦 𝑛 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠; 𝑚, 𝑛 ∈ ℤ
𝑎 𝑎 … 𝑎 … 𝑎 𝑓𝑖𝑙𝑎
⎡𝑎 𝑎 … 𝑎 … 𝑎 ⎤
⎢ … … … … … … ⎥
𝐴 × =⎢𝑎 𝑎 … 𝒂𝒊𝒋 … 𝑎 ⎥
⎥
⎢
⎢ … … … … … … ⎥
⎣𝑎 𝑎 … 𝑎 … 𝑎 ⎦

𝑐𝑜𝑙𝑢𝑚𝑛𝑎
A un elemento de la matriz 𝐴, se lo representa como: 𝒂𝒊𝒋 . Donde: 𝑖 indica el numero de fila
a la cual pertenece el elemento y 𝑗 indica la columna a la cual pertenece el elemento.
𝐴∈ℝ × ; 𝐴 × = 𝑎
Ejemplos: Indicar el orden de las siguientes matrices
5 0 6
a) 𝐴 = −1 3 ; 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 2 × 3 ó 𝐴 × . 𝐷𝑜𝑛𝑑𝑒 𝑎 ∈ ℝ
7
b) 𝐵 = 25 ; 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 3 × 1 ó 𝐵 × . 𝐷𝑜𝑛𝑑𝑒 𝑏 ∈ ℝ
100
5 7 + 2𝑖
c) 𝐶 = ; 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 2 × 2 ó 𝐶 × . 𝐷𝑜𝑛𝑑𝑒 𝑐 ∈ ℂ
−2 + 𝑖 3𝑖
2. Matrices especiales.
2.1 Matriz cuadrada. Es una matriz con el número de filas 𝑚 igual al número de columnas
𝑛.
𝐴 × =𝐴 × =𝐴 × =𝐴 = 𝑎
Por ejemplo:
5 7
𝐴= ; 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑒𝑠 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 2 × 2 ó 𝑨𝟐
−2 3
2.2 Matriz diagonal. Una matriz diagonal se da en una matriz cuadrada, siempre y cuando
cumpla lo siguiente: Los elementos que no son parte de la diagonal principal tienen
que ser 0.
Por ejemplo:
𝑎 0 0 0
0 𝑎 0 0 𝐷𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙
𝐴 =
0 0 𝑎 0
0 0 0 𝑎
Aclarar que toda matriz cuadrada tiene diagonal principal, por ejemplo:

1 2 3 4 5
⎡6 7 8 9 0⎤
⎢ ⎥
𝐵 = ⎢−1 −2 −3 −4 −5⎥
𝐷𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙
⎢−6 −7 −8 −9 0 ⎥
⎣ 10 20 30 40 50 ⎦
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

2.3 Matriz identidad. La matriz identidad 𝑰 es una matriz cuadrada, una matriz diagonal y
además sus elementos de la diagonal principal deben ser: 1.
Por Ejemplo:
1 0 0 0
0 1 0 0
𝐼 =
0 0 1 0
0 0 0 1
2.4 Matriz triangular. Tenemos dos casos:
- Matriz triangular superior. Es una matriz cuadrada que sus elementos por debajo
de la diagonal principal son 0, de la siguiente manera:
𝑎 𝑎 𝑎 𝑎
0 𝑎 𝑎 𝑎
𝐴 = 0 0 𝑎 𝑎
0 0 0 𝑎
- Matriz triangular inferior: Es una matriz cuadrada que sus elementos por encima
de la diagonal principal son 0, de la siguiente manera:
𝑎 0 0 0
𝑎 𝑎 0 0
𝐴 =
𝑎 𝑎 𝑎 0
𝑎 𝑎 𝑎 𝑎

2.5 Matriz Nula. Una matriz es nula 𝑶 si todos sus elementos de una matriz de cualquier
orden son 0.
O sea: 𝐴 × = 𝑎 ; 𝑑𝑜𝑛𝑑𝑒 𝑎 = 0, ∀ 𝑖, 𝑗
Por ejemplo:
0 0 0
𝑂× =
0 0 0
2.6 Matrices iguales (ó igualdad de matrices). Se tiene: 𝐴 × = 𝑎 & 𝐵 × = 𝑏 ,
para que se cumpla la igualdad de matrices debe pasar que los elementos de estas
matrices sean iguales entre si, ósea: 𝑎 = 𝑏 .
Ejemplo: Sean 𝐴 𝑦 𝐵 matrices iguales, determinar los valores de 𝑥, 𝑦, 𝑧. Donde:
5 0 𝑥 − 10 0
𝐴 × = 7 −2 ; 𝐵 × = 7 −2
3 7 𝑧 − 97 7 + 𝑦
5 = 𝑥 − 10
⎧ 0 = 0 (𝑉)
⎪ 𝑥 = 15 𝑥 = 15
7 = 7 (𝑉)
→ 𝑧 = 100 → 𝑧 = ±10
⎨−2 = −2 (𝑉) 𝑦=0 𝑦=0
⎪ 3 = 𝑧 − 97
⎩ 7=7+𝑦
Tenemos dos respuestas:
𝒙 = 𝟏𝟓 𝒙 = 𝟏𝟓
𝒛 = 𝟏𝟎 𝒐 𝒛 = −𝟏𝟎
𝒚=𝟎 𝒚=𝟎
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

2.7 Matriz transpuesta. Sea 𝐴 × = 𝑎 donde su transpuesta será otra matriz de la

forma: 𝐵 × = 𝑏 .
Básicamente la transpuesta de una matriz se puede hallar intercambiando filas por
columnas.
La transpuesta de una matriz 𝐴, se denota por: 𝑨𝒕
1 2 3
4 5 6
Ejemplo: Hallar la transpuesta de la matriz: 𝑀 × =
7 8 9
0 −1 −2
1 4 7 0
𝑀 = 2 5 8 −1 = 𝑁 ×
3 6 9 −2
Existen más matrices especiales con característica propias, como lo son: la
matriz simétrica, matriz antisimétrica, matriz ortogonal, matriz idempotente,
matriz nilpotente, matriz involutiva, matriz hermitiana, matriz positiva.

3. Operaciones con matrices.

3.1 Suma de matrices. Sean: 𝐴 × = 𝑎 , 𝐵 × = 𝑏 , la suma de matrices estará
definida por:
𝑨𝒎×𝒏 + 𝑩𝒎×𝒏 = 𝒂𝒊𝒋 + 𝒃𝒊𝒋 = 𝒄𝒊𝒋 = 𝑪𝒎×𝒏 (𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅 𝒅𝒆 𝒄𝒆𝒓𝒓𝒂𝒅𝒖𝒓𝒂)
−5 0 8 1 −1 2
Ejemplos: Dadas las matrices: 𝑃 = ;𝑄 = , hallar: 𝑃 + 𝑄
3 10 −1 5 −4 −3
−5 0 8 1 −1 2 −4 −1 10
𝑃+𝑄 = + =
3 10 −1 5 −4 −3 8 6 −4
1 −1 2
−5 0 8
Ejemplos: Dadas las matrices: 𝑃 = ; 𝑄 = 5 −4 −3 , hallar𝑃 + 𝑄
3 10 −1
10 5 −7
1 −1 2
−5 0 8
𝑃 × +𝑄 × = + 5 −4 −3 =? ? ?
3 10 −1
10 5 −7
Esta suma de matrices no se puede realizar, porque son de distinto orden.
3.1.1 Propiedades de la suma de matrices. Sean las matrices: 𝐴, 𝐵, 𝐶 ∈ ℝ × , se
van a cumplir las siguientes propiedades:
i) Propiedad de clausura o cerradura: 𝐴 + 𝐵 ∈ ℝ ×
ii) Propiedad conmutativa: 𝐴 + 𝐵 = 𝐵 + 𝐴
iii) Propiedad asociativa: 𝐴 + 𝐵 + 𝐶 = (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶)
iv) Existencia del elemento neutro: 𝐴 + 𝑂 = 𝑂 + 𝐴 = 𝐴; 𝑂: 𝑚𝑎𝑡𝑟𝑖𝑧 𝑛𝑢𝑙𝑎
v) Existencia del opuesto: 𝐴 + (−𝐴) = 𝑂
8 9 5 1 5 7
Ejemplos: Dadas las matrices: 𝑀 = −5 −3 4 ; 𝑁 = 6 3 −4
1 0 −5 6
Hallar: 𝑁 − 𝑀
La resta de matrices es consecuencia de la suma de matrices, por lo tanto, para
realizar la operación debe cumplir con los mismos criterios.
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

1 5 7 8 9 5 −7 −4 2
6 3 −4 −5 −3 4 11 6 −8
𝑁−𝑀 = 3 − 1 = 1
−5 6 1 0 −6 6
5 2 10
3.2 Multiplicación de un escalar por una matriz. Sean: 𝐴 × = 𝑎 y un escalar 𝑘 ∈ ℝ, la
multiplicación del escalar 𝑘 por la matriz 𝐴, será:
𝒌𝑨𝒎×𝒏 = 𝒌 𝒂𝒊𝒋 = 𝒌𝒂𝒊𝒋

−5 0 8
Ejemplos: Dada la matriz: 𝑃 = , hallar: 5𝑃
3 10 −1
−5 0 8 −25 0 40
5𝑃 = 5 =
3 10 −1 15 50 −5
8 9 5
Ejemplos: Dada la matriz: 𝑀 = −5 −3 4 , hallar − 𝑀
1 0
9 5
⎡−4 − − ⎤
8 9 5 2 2⎥
1 1 −5 −3 4 ⎢
⎢ 5 3
− 𝑀=− 1 =⎢ 2 −2 ⎥
2 2 2 ⎥
1 0
2 ⎢ 1 1⎥
⎣− 2 0 − 4⎦
8 9 5
Ejemplos: Dada la matriz: 𝑀 = −5 −3 4 , hallar −𝑀
1 0
8 9 5 −8 −9 −5
−5 −3 4 5 3 −4
−𝑀 = (−1) 1 = 1
1 0 −1 0 −
2 2
3.2.1 Propiedades de la multiplicación de un escalar por una matriz. Sean las
matrices 𝐴, 𝐵 ∈ ℝ × y 𝑘, 𝑟 ∈ ℝ, se van a cumplir las siguientes propiedades:
i) Propiedad de clausura: 𝑘𝐴 ∈ ℝ ×
ii) Propiedad asociativa: 𝑘𝑟𝐴 = (𝑘𝑟)𝐴 = 𝑘(𝑟𝐴)
iii) Propiedad distributiva respecto de la suma de matrices: 𝑘(𝐴 + 𝐵) = 𝑘𝐴 + 𝑘𝐵
iv) Propiedad distributiva respecto de la suma de escalares: (𝑘 + 𝑟)𝐴 = 𝑘𝐴 + 𝑟𝐴
v) Multiplicación por el escalar 1. 1𝐴 = 𝐴
3.3 Multiplicación de matrices. Sea las matrices: 𝐴 × 𝑦 𝐵 × , el resultado de la
multiplicación de estas matrices es:
𝑨𝒎×𝒏 ∗ 𝑩𝒏×𝒓 = 𝑪𝒎×𝒓
Para multiplicar matrices, se tiene que cumplir que: el número de columnas del primer
factor (primera matriz) debe ser igual al número de filas del segundo factor (segunda
matriz)
Para desarrollar el resultado de la multiplicación se debe multiplicar los elementos de
las filas de la primera matriz por los elementos de las columnas de la segunda matriz, y
sumar los productos de los elementos en cada fila por columna.
En resumen, el producto de matrices se halla mediante la regla:
𝒇𝒊𝒍𝒂𝒔 × 𝒄𝒐𝒍𝒖𝒎𝒏𝒂𝒔
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 −1 2
−5 0 8
Por ejemplo: Dadas las matrices: 𝑀 = 𝑦 𝑄 = 5 −4 −3 , hallar:
3 10 −1
10 5 −7
𝑀𝑄
1 −1 2
−5 0 8
𝑀 × ∗𝑄 × = 5 −4 −3
3 10 −1
10 5 −7

−5 + 0 + 80 5 + 0 + 40 −10 + 0 − 56 75 45 −66
𝑀 × ∗𝑄 × = =
3 + 50 − 10 −3 − 40 − 5 6 − 30 + 7 43 −48 −17
Si me piden calcular: 𝑄𝑀
𝑄 × ∗ 𝑀 × 𝑛𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟
La propiedad conmutativa no se cumple en la multiplicación de matrices.
2 1 5 1 5 1
1 −2 3 −2 0 7
Ejemplo: Hallar el producto: 𝐴𝐵, si: 𝐴 = ;𝐵 =
4 −1 −1 6 3 −2
−5 7 2 1 −4 −2
2 1 5 1 5 1
1 −2 3 −2 0 7
𝐴 × 𝐵× =
4 −1 −1 6 3 −2
−5 7 2 1 −4 −2
10 + 0 + 15 − 4 2 + 7 − 10 − 2 𝟐𝟏 −𝟑
5−0+9+8 1 − 14 − 6 + 4 𝟐𝟐 −𝟏𝟓
𝐴 × 𝐵× = = = 𝑹𝟒×𝟐
20 + 0 − 3 − 24 4 − 7 + 2 − 12 −𝟕 −𝟏𝟑
−25 − 0 + 6 − 4 −5 + 49 − 4 − 2 −𝟐𝟑 𝟑𝟖
𝐴 × 𝐵× ≠𝐵× 𝐴 ×
𝑝𝑜𝑟 𝑞𝑢𝑒 𝑙𝑎 𝑝𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑐𝑜𝑛𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑎 𝑛𝑜 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒 𝑐𝑜𝑛 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠
4. Operaciones elementales. Sea 𝐴 = 𝑎 a la cual le podemos realizar operaciones
×
elementales entre filas (de forma análoga también con columnas), las cuales son las
siguientes:
 Intercambiar filas (o columnas) entre si.
 Sustituir a una fila (o columna) el múltiplo de la misma fila (o columna).
 Sustituir a una fila (o columna) por la suma (o resta) de dicha fila con el múltiplo de otra
fila (o columna).

Ejemplo:
1 −1 2
a) Intercambiar la fila 1 con la fila 3 de la matriz: 𝑄 = 5 −4 −3
10 5 −7

1 −1 2 10 5 −7
𝑄 = 5 −4 −3 ; 𝒇𝟏 ↔ 𝒇𝟑 ; 𝑄 = 5 −4 −3
10 5 −7 1 −1 2
1 −1 2
b) Intercambiar la columna 2 con la columna 3 de la matriz: 𝑄 = 5 −4 −3
10 5 −7
1 −1 2 1 2 −1
𝑄 = 5 −4 −3 ; 𝒄𝟐 ↔ 𝒄𝟑 ; 𝑄 ∗ = 5 −3 −4
10 5 −7 10 −7 5
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 −1 2
c) Sea: 𝑄 = 5 −4 −3 , sustituir la fila 3 por 5 veces la misma fila 3.
10 5 −7
1 −1 2 1 −1 2
𝑄 = 5 −4 −3 ; 𝒇𝟑 ← 𝟓𝒇𝟑 ; 𝑄 ∗∗ = 5 −4 −3
10 5 −7 50 25 −35
1 −1 2
d) Sea: 𝑄 = 5 −4 −3 , sustituir a la fila 1 por la operación: 𝑓 + 4𝑓
10 5 −7
1 −1 2 21 −17 −10
𝑄 = 5 −4 −3 ; 𝒇𝟏 ← 𝒇𝟏 + 𝟒𝒇𝟐 ; 𝑄 ∗∗∗ = 5 −4 −3
10 5 −7 10 5 −7
1 −1 2
e) Sea: 𝑄 = 5 −4 −3 , sustituir a la fila 3 por la operación: 𝑓 − 2𝑓
10 5 −7

1 −1 2 1 −1 2
𝑄 = 5 −4 −3 ; 𝑓 ← 𝑓 − 2𝑓 ; 𝑄 ∗∗∗∗ = 5 −4 −3
10 5 −7 0 13 −1

5. Pivote. El pivote es un elemento de la matriz que nos ayudara a que las operaciones de
transformación de matrices, sea de alguna manera más sencilla, es recomendable que ese
pivote sea 1.
Por ejemplo, en la siguiente matriz, el pivote es el resaltado de rojo.
𝟏 −1 2
𝑄 = 5 −4 −3
10 5 −7
Otro ejemplo:
𝟏 0 0
0 𝟏 0
𝐴=
0 0 𝟏
0 0 0
El objetivo del pivote es que mediante las operaciones conocidas entre filas podamos
transformar una matriz a una matriz escalonada.
6. Matriz equivalente. Dos matrices del mismo tamaño serán equivalentes, si una de ellas se
obtiene a partir de operaciones de filas y columnas de la otra matriz.
Por ejemplo, las siguientes matrices son equivalentes:
1 2 3 1 0 0
𝑃 = 2 4 5 → 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 𝑜 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 → 𝑄 = 0 1 0
3 0 1 0 0 1
𝑷~𝑸
Otro ejemplo,
1 2 −1 4 1 2 −1 4
𝐴= 2 4 3 5 → 𝑜𝑝. 𝑒𝑙. 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 𝑜 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 → 𝐵 = 0 0 5 −3
−1 −2 6 −7 0 0 0 0
𝑨~𝑩
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

7. Forma escalonada de una matriz. Sea 𝐴 = 𝑎 , mediante una serie finita de

×
operaciones elementales entre filas podemos llegar a una matriz escalonada (que será una
matriz equivalente a A).
Se dice que una matriz es escalonada si cumple con las siguientes condiciones:
i) El primer elemento distinto de cero de cada fila no nula a la derecha del primer
elemento diferente de cero de las filas anteriores.
ii) Las filas nulas (si existen) están por debajo de las filas no nulas.
iii) En la matriz, todo pivote tiene más ceros a la izquierda que el pivote de la fila
anterior.

𝟏 𝑎 … 𝑎 … 𝑎
⎡ ⎤
0 𝟏 … 𝑎 … 𝑎
⎢ ⎥
⎢… … 𝟏 … … … ⎥
𝐴 × = ⎢0 0 … 𝟏 … 𝑎 ⎥
⎢… … … … … … ⎥
⎢0 0 … 0 … 0 ⎥
⎣0 0 … 0 … 0 ⎦
El método más usual para escalonar es el METODO DE GAUSS JORDAN, que indica que se
debe realizar finitas operaciones elementales de filas (o columnas), con el propósito de
tener una matriz parecida a la descrita anteriormente.
Ejemplos:
−2 4 2 −2
a) Escalonar la matriz 𝑋 = −1 −1 1 0
−2 1 2 −1
−2 4 2 −2 −1 −1 1 0 1 1 −1 0
−1 −1 1 0 ; 𝑓 ↔ 𝑓 ; −2 4 2 −2 ; 𝑓 ← −𝑓 ; −2 4 2 −2 ;
−2 1 2 −1 −2 1 2 −1 −2 1 2 −1
𝑓 ← 𝑓 + 2𝑓 1 1 −1 0 1 1 1 −1 0
; 0 6 0 −2 ; 𝑓 ← 𝑓 ; 0 3 0 −1 ; 𝑓 ← 𝑓 − 𝑓 ;
𝑓 ← 𝑓 + 2𝑓 2
0 3 0 −1 0 3 0 −1
1 1 −1 0
0 3 0 −1
0 0 0 0
1 2 3
b) Escalonar la matriz 𝑌 = 2 4 5
3 0 1
1 2 3 𝑓 ← 𝑓 − 2𝑓 1 2 3 1 2 3
2 4 5 ; ; 0 0 −1 ; 𝑓 ↔ 𝑓 ; 0 −6 −8
𝑓 ← 𝑓 − 3𝑓
3 0 1 0 −6 −8 0 0 −1

8. Rango de una matriz. Se denomina rango al número de filas no nulas que aparecen en un
matriz equivalente después de realizar operación de filas (o columnas)
El rango de una matriz 𝐴 × se denota:
𝜌(𝐴 × ) = 𝑟(𝐴)
Por ejemplo:
1 5 2
a) 𝐴 = 0 4 1 , el rango de esta matriz será: 𝜌(𝐴) = 3
0 0 3
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 5 8
b) 𝐵 = 0 0 −5 , el rango de esta matriz será: 𝜌(𝐵) = 2
0 0 0
0 0
c) 𝐶 = 0 0 , el rango de esta matriz será: 𝜌(𝐶) = 1
−10 0
2 5 0 −8 9
0 2 5 0 0
d) 𝐷 = , el rango de esta matriz será: 𝜌(𝐷) = 2
0 0 0 0 0
0 0 0 0 0

Observaciones:
i) El rango de una matriz es igual al número de filas no nulas que quedan después
de la última iteración de un conjunto de operaciones elementales realizadas a
tal matriz. (osea escalonar la matriz)
ii) Para encontrar el rango de una matriz es suficiente transformarla a su forma
escalonada. Como dos matrices equivalentes tienen el mismo rango, el rango
de dicha matriz será igual al rango de la matriz escalonada.
iii) Las operaciones elementales con matrices no modifican el rango de tal matriz,
mucho menos su orden.
iv) El rango de una matriz siempre es menor o igual que el número de filas de dicha
matriz.

Ejemplo.
−2 4 2 −2
a) Hallar el rango de la matriz: 𝐴 = −1 −1 1 0
−2 1 2 −1
−2 4 2 −2 1 1 −2 −1 1 𝑓 ← 𝑓 + 1𝑓
−1 −1 1 0 ; 𝑓 ← − 𝑓 ; −1 −1 1 0 ; ;
2 𝑓 ← 𝑓 + 2𝑓
−2 1 2 −1 −2 1 2 −1
1 −2 −1 1 1 −2 −1 1
0 −3 0 1 ; 𝑓 ← 𝑓 − 𝑓 ; 0 −3 0 1
0 −3 0 1 0 0 0 0
por lo tanto, su rango será: 𝝆(𝑨) = 𝟐
1 2 3
b) Hallar el rango de: 𝑌 = 2 4 5
3 0 1
𝟏 2 3 𝒇𝟐 ← 𝒇𝟐 − 𝟐𝒇𝟏 1 2 3 𝟏 𝟐 𝟑
2 4 5 ; ; ~ 0 0 −1 ; 𝒇𝟐 ↔ 𝒇𝟑 ; ~ 𝟎 −𝟔 −𝟖 ;
𝒇𝟑 ← 𝒇𝟑 − 𝟑𝒇𝟏
3 0 1 0 −6 −8 𝟎 𝟎 −𝟏

𝟏 𝟏 𝟐 𝟑
𝒇𝟐 ← − 𝒇𝟐
𝟔 ; 𝟎 𝟏 𝟒/𝟑
𝒇𝟑 ← −𝒇𝟑 𝟎 𝟎 𝟏
Por lo tanto, el rango de la matriz es: 𝝆(𝒀) = 𝟑
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

9. Matriz inversa. La matriz inversa solo se puede calcular de matrices cuadradas, sea
𝐴 = 𝑎 y diremos que 𝐵 = 𝑏 es su inversa: 𝐵 = 𝐴 , se cumple que
× ×
𝐴𝐵 = 𝐼 → 𝑨𝑨 𝟏 = 𝑨 𝟏 𝑨 = 𝑰, el detalle esta en como hallar 𝐴 .
Para hallar la inversa, se recurre a escribir:
(𝑨|𝑰) → 𝒐𝒑𝒆𝒓𝒂𝒄𝒊𝒐𝒏 𝒅𝒆 𝒇𝒊𝒍𝒂𝒔 → 𝑰 𝑨 𝟏
9.1 Método de Gauss Jordán. Se realizan operaciones elementales entre filas, las cuales
pueden ser:
 Multiplicación a toda una fila por un escalar: 𝑘 ∈ ℝ, 𝑘 ≠ 0
 Intercambiar filas entre si
 Sumar (y/o restar) el múltiplo de una fila con otra.
1 2
Ejemplo: Hallar la matriz inversa de: 𝑀 =
3 5
1 21 0
; 𝑓 ← 𝑓 − 3𝑓 (𝑀|𝐼) → 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 → (𝐼|𝑀 )
3 50 1
1 2 1 0
; 𝑓 ← −1𝑓
0 −1 −3 1
1 21 0
; 𝑓 ← 𝑓 − 2𝑓
0 1 3 −1
1 0 −5 2 −𝟓 𝟐
𝑴 𝟏=
0 1 3 −1 𝟑 −𝟏

Verificamos: 𝑀 ∗ 𝑀 = 𝐼
1 2 −5 2 −5 + 6 2−2 1 0
= =
3 5 3 −1 −15 + 15 6 − 5 0 1

1 −2 −4
Ejemplo: Hallar la matriz inversa de: 𝐴 = −2 −1 2
3 0 −5

1 −2 −4 1 0 0 𝑓 ← 𝑓 + 2𝑓
−2 −1 2 0 1 0 ;
𝑓 ← 𝑓 − 3𝑓
3 0 −5 0 0 1

1 −2 −4 1 0 0
0 −5 −6 2 1 0 ; 𝑓 ← 𝑓 + 𝑓
0 6 7 −3 0 1

1 −2 −4 1 0 0
0 −5 −6 2 1 0 ; 𝑓 ↔ 𝑓
0 1 1 −1 1 1

1 −2 −4 1 0 0 𝑓 ← 𝑓 + 2𝑓
0 1 1 −1 1 1 ;
𝑓 ← 𝑓 + 5𝑓
0 −5 −6 2 1 0

1 0 −2 −1 2 2
0 1 1 −1 1 1 ; 𝑓 ← −𝑓
0 0 −1 −3 6 5
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 0 −2 −1 2 2 𝑓 ← 𝑓 + 2𝑓
0 1 1 −1 1 1 ;
𝑓 ←𝑓 −𝑓
0 0 1 3 −6 −5

1 0 0 5 −10 −8
0 1 0 −4 7 6
0 0 1 3 −6 −5
Luego:
𝟓 −𝟏𝟎 −𝟖
𝑨 𝟏 = −𝟒 𝟕 𝟔
𝟑 −𝟔 −𝟓

10. Sistemas de ecuaciones lineales.

Cuando nos mencionan a un sistema de ecuaciones lineales, de repente se nos viene a la
mente un sistema como el que se muestra a continuación:
𝑥 + 5𝑦 = 6
−3𝑥 + 7𝑦 = 4
Que lo podemos resolver por diferentes métodos ya conocidos, como lo es: sustitución,
igualación, reducción o sumas y restas, determinantes o método gráfico.

Ejemplo: Resolver:
𝑥 + 5𝑦 = 6 … (1)
−3𝑥 + 7𝑦 = 4 … (2)
Por sustitución, de (1) despejamos 𝑥: 𝑥 = 6 − 5𝑦 … (1 )
Sustituimos (1 ) 𝑒𝑛 (2): −3𝑥 + 7𝑦 = 4 → −3(6 − 5𝑦) + 7𝑦 = 4 →
22
−18 + 15𝑦 + 7𝑦 = 4 → 15𝑦 + 7𝑦 = 4 + 18 → 22𝑦 = 22 → 𝑦 = → 𝒚=𝟏
22
Reemplazamos 𝑦 = 1 𝑒𝑛 (1′): 𝑥 = 6 − 5𝑦 → 𝑥 = 6 − 5(1) → 𝒙 = 𝟏
𝒙=𝟏
La solución será: ó 𝑺(𝟏, 𝟏)
𝒚=𝟏
Ahora resolvamos el sistema, graficando:
 Grafiquemos: 𝑥 + 5𝑦 = 6
𝑥 𝑦
0 6
= 1.2
5
6 0
1 1
… …
 Grafiquemos: −3𝑥 + 7𝑦 = 4
𝑥 𝑦
0 4
7
4 0
−
3
… …

Luego la solución del sistema, será:

 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

10.1 Sistemas de m-ecuaciones lineales con n-incógnitas. Se lo denomina así, al

siguiente sistema:
𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 + ⋯+ 𝑎 𝑥 = 𝑏
⎧ 𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 +⋯+ 𝑎 𝑥 = 𝑏
⎪
𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 +⋯+ 𝑎 𝑥 = 𝑏
⎨ …
⎪
⎩𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 + ⋯ + 𝑎 𝑥 = 𝑏

Donde:
 𝑥 , 𝑥 , 𝑥 , … , 𝑥 son las incógnitas.
 𝑎 son coeficientes de las incógnitas de las ecuaciones. 𝑎 ∈ ℝ
 𝑏 , 𝑏 , 𝑏 , … , 𝑏 son términos independientes.
10.2 Forma matricial de un sistema de ecuaciones de m ecuaciones lineales y n
incógnitas. Del sistema descrito en el anterior punto tendremos las siguientes
matrices:
 Matriz 𝐴. Es la matriz de coeficientes 𝑎
𝑎 𝑎 … 𝑎 … 𝑎
⎡𝑎 𝑎 … 𝑎 … 𝑎 ⎤
⎢ … … … … … … ⎥
𝐴 × =⎢𝑎 𝑎 … 𝒂𝒊𝒋 … 𝑎 ⎥
⎥
⎢
⎢ … … … … … … ⎥
⎣𝑎 𝑎 … 𝑎 … 𝑎 ⎦
 Matriz 𝑋. Es la matriz de las incógnitas, se escribirá como una matriz columna
𝑥
⎡𝑥 ⎤
⎢ ⎥
𝑋 × = ⎢𝑥 ⎥
⎢…⎥
⎣𝑥 ⎦
 Matriz 𝐵. Es la matriz de los términos independientes, se escribirá en forma de
matriz columna.
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

𝑏
⎡ ⎤
𝑏
⎢ ⎥
𝐵 × = ⎢𝑏 ⎥
⎢… ⎥
⎣𝑏 ⎦
La forma matricial de un sistema de ecuaciones es:
𝐴 × ∗𝑋 × =𝐵 ×
𝑎 𝑎 … 𝑎 … 𝑎 𝑥 𝑏
⎡𝑎 𝑎 … 𝑎 … 𝑎 ⎤ ⎡𝑥 ⎤ ⎡ 𝑏 ⎤
⎢ … … … … … … ⎥ ⎢𝑥 ⎥ ⎢ 𝑏 ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢𝑎 𝑎 … 𝒂𝒊𝒋 … 𝑎 ⎥ ⎢ … ⎥ = ⎢ … ⎥
⎢ … … … … … … ⎥⎢…⎥ ⎢… ⎥
⎣𝑎 𝑎 … 𝑎 … 𝑎 ⎦ ⎣𝑥 ⎦ ⎣𝑏 ⎦

10.3 Forma matricial aumentada. Para conseguir esta matriz se debe adjuntar la matriz
𝐵 a la matriz 𝐴, de la siguiente manera:
(𝑨|𝑩)
𝑎 𝑎 … 𝑎 … 𝑎 𝑏
𝑎 𝑎 … 𝑎 … 𝑎 𝑏
⎛ … … … … … … 𝑏 ⎞
(𝐴|𝐵) ×( ) = ⎜ 𝑎 𝑎 … 𝒂𝒊𝒋 … 𝑎 ⎟
⎜ …⎟
… … … … … … …
⎝ 𝑎 𝑎 … 𝑎 … 𝑎 𝑏 ⎠
Ejemplo: Del siguiente sistema, escribir sus matrices: 𝐴, 𝑋, 𝐵; la forma matricial del
sistema y su matriz aumentada.
5𝑥 − 2𝑦 + 3𝑧 = 8
2𝑥 + 7𝑦 + 9𝑧 = 0
−2𝑥 − 3𝑦 + 𝑧 = 1
 Matriz 𝐴:
5 −2 3
𝐴 × = 2 7 9
−2 −3 1
 Matriz 𝑋:
𝑥
𝑋× = 𝑦
𝑧
 Matriz 𝐵:
8
𝐵× = 0
1
 Forma Matricial del sistema: 𝐴𝑋 = 𝐵
5 −2 3 𝑥 8
2 7 9 𝑦 = 0
−2 −3 1 𝑧 1
 Forma matricial aumentada: (𝐴|𝐵)
5 −2 3 8
2 7 90
−2 −3 1 1
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

10.4 Soluciones de un sistema de ecuaciones lineales.

Las soluciones de un sistema se clasifican:
𝑫𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒅𝒐𝒔 (𝒖𝒏𝒊𝒄𝒂 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏)
𝑺𝒊𝒔𝒕𝒆𝒎𝒂𝒔 𝒄𝒐𝒏𝒔𝒊𝒔𝒕𝒆𝒏𝒕𝒆𝒔(𝑻𝒊𝒆𝒏𝒆𝒏 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏):
𝑺𝒊𝒔𝒕𝒆𝒎𝒂 𝒅𝒆 𝒆𝒄𝒖𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒍𝒊𝒏𝒆𝒂𝒍𝒆𝒔: 𝑰𝒏𝒅𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒅𝒐𝒔 (∞ 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏𝒆𝒔)
𝑺𝒊𝒔𝒕𝒆𝒎𝒂𝒔 𝒊𝒏𝒄𝒐𝒏𝒔𝒊𝒔𝒕𝒆𝒏𝒕𝒆𝒔(𝑵𝒐 𝒕𝒊𝒆𝒏𝒆 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏)
¿Cómo saber si es consistente o inconsistente un sistema?
10.5 Determinación de un sistema compatible o incompatible a través del rango

Sea 𝐴 × 𝑋 =𝐵 forma matricial de un sistema y su forma de matriz aumentada (𝑨|𝑩) debe

ser escalonada:

Para determinar las soluciones de un sistema tenemos:

 𝜌(𝐴) ≠ 𝜌(𝐴|𝐵) entonces el sistema es inconsistente (no tiene solución)

 Si 𝜌(𝐴) = 𝜌(𝐴|𝐵) entonces el sistema es consistente (tiene solución).
 𝜌(𝐴) = 𝜌(𝐴|𝐵) = #𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑎𝑠 el sistema es determinado (única solución)
 𝑟 = 𝜌(𝐴) = 𝜌(𝐴|𝐵) < #𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑎𝑠(𝑛) el sistema es indeterminado (∞
soluciones)

Cuando tenemos infinitas soluciones se debe parametrizar el sistema, y el número de

parámetros se halla por:

# 𝒑𝒂𝒓á𝒎𝒆𝒕𝒓𝒐𝒔 = 𝒏 − 𝒓
10.6 Método de Gauss-Jordán

Para resolver un sistema lineal por este método debemos seguir los siguientes pasos:

i. Escribir la forma matricial del sistema 𝐴𝑋 = 𝐵

ii. Escribir la matriz aumentada: (𝐴|𝐵)
iii. Hallar una matriz equivalente escalonada de la matriz aumentada
iv. Determinamos la consistencia del sistema con el rango (10.5)
v. Volver la matriz aumentada a su forma de sistema clásico y hallar las soluciones.

Ejemplo 1: Resolver
𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟐
𝟐𝒙 − 𝟑𝒚 + 𝒛 = 𝟏
𝟑𝒙 − 𝒚 + 𝟐𝒛 = 𝟗
1 −2 3 𝑥 2
i. 2 −3 1 𝑦 = 1
3 −1 2 𝑧 9

𝐴 𝑋 𝐵
X y z
1 −2 3 2 × (−2) × (−3)
ii. 2 −3 1 1 +
3 −1 2 9 +
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

iii. Escalonemos
𝑓 ← 𝑓 − 2𝑓
𝑓 ← 𝑓 − 3𝑓

1 −2 3 2 +
0 1 −5 −3 × (−5)
0 5 −7 3 +

1 −2 3 2
0 1 −5 −3
0 0 18 18

(𝐴|𝐵)

iv. 𝑃( ) = 3
𝑃 𝐴𝐵 =3
𝑃( = 𝑃 𝐴 𝐵 = 3 = 𝑛 → 𝑁º 𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑎𝑠
)
El sistema tiene única solución

𝑥 − 2𝑦 + 3𝑧 = 2 → 𝑥 = 3
v. 𝑦 − 5𝑧 = −3 → 𝑦 = 2
18𝑧 = 18 → 𝑧 = 1

Otra forma
1 −2 3 2 +
0 1 −5 −3 × (−5)(2)
0 5 −7 3 +

1 0 −7 −4 .
0 1 −5 −3 .
0 0 18 18 × (1/18)

1 0 −7 −4 .
0 1 −5 −3 . +
0 0 1 1 × (5) (7)

1 0 0 3 → 𝑥=3
0 1 0 2 → 𝑦=2
0 0 1 1 → 𝑧=1
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

Ejemplo 2: Resolver
𝑥 − 𝑦 + 𝑧 + 𝑢 − 2𝑤 = 0
2𝑥 + 𝑦 − 𝑧 − 𝑢 + 𝑤 = 1
3𝑥 + 3𝑦 − 3𝑧 − 3𝑢 + 4𝑤 = 2
4𝑥 + 5𝑦 − 5𝑧 − 5𝑢 + 7𝑤 = 3
i) Forma matricial del sistema: 𝐴𝑋 = 𝐵
𝑥
1 −1 1 1 −2 ⎡ 𝑦 ⎤ 0
2 1 −1 −1 1 ⎢ 𝑧 ⎥ 1
=
3 3 −3 −3 4 ⎢ 𝑢 ⎥ 2
⎢ ⎥
4 5 −5 −5 7 ⎣𝑤 ⎦ 3
𝐴 × 𝑋 × =𝐵×
ii) Forma de matriz aumentada: (𝐴|𝐵)
1 −1 1 1 −2 0
2 1 −1 −1 1 1
3 3 −3 −3 4 2
4 5 −5 −5 7 3
iii) Escalonar la matriz aumentada:
1 −1 1 1 −2 0 1 −1 1 1 −2 0 1
𝑓 ← 𝑓 − 2𝑓 𝑓 ← 𝑓
2 1 −1 −1 1 1 0 3 −3 −3 5 1 2
; 𝑓 ← 𝑓 − 3𝑓 ; ;
3 3 −3 −3 4 2 0 6 −6 −6 10 2 1
𝑓 ← 𝑓 − 4𝑓 𝑓 ← 𝑓
4 5 −5 −5 7 3 0 9 −9 −9 15 3 3

1 −1 1 1 −2 0 1 −1 1 1 −2 0
0 3 −3 −3 5 1 0 3 −3 −3 5 1
~
0 3 −3 −3 5 1 0 0 0 0 0 0
0 3 −3 −3 5 1 0 0 0 0 0 0
1 −1 1 1 −2 0 1 −1 1 1 −2 0
0 3 −3 −3 5 1 1 0 1 −1 −1 5/3 1/3
;𝑓 ← 𝑓 ~ ;𝑓 ← 𝑓 + 𝑓
0 0 0 0 0 0 3 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 −1/3 1/3
Si existen filas iguales, estas se anulan (se
0 1 −1 −1 5/3 1/3
0 0 0 0 0 0 vuelven filas nulas), y solo nos quedamos
0 0 0 0 0 0 con una.

iv) Determinamos rangos:

𝜌(𝐴) = 2; 𝜌(𝐴|𝐵) = 2 → 𝑆𝑖𝑠𝑡. 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒
1 0 0 0 −1/3 1/3
0 1 −1 −1 5/3 1/3 # 𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑎𝑠 = 𝑛 = 5
0 0 0 0 0 0
𝜌(𝐴) = 𝜌(𝐴|𝐵) = 𝑟 = 2 < 5 → ∞ 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠
0 0 0 0 0 0
v) Volvamos a la forma clásica del sistema:
Como tenemos infinitas soluciones, se
debe parametrizar:

#𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜𝑠 = 𝑛 − 𝑟 = 5 − 2 = 3
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 1
𝑥− 𝑤=
3 3
5 1
𝑦−𝑧−𝑢+ 𝑤 =
3 3
1 1 1 1
⎧ 𝑥= + 𝑤 ⎧ 𝑥= + 𝑡
⎪ 3 3 ⎪ 3 3
⎪ 1 5 ⎪ 1 5
𝑦 = + 𝑧 + 𝑢 − 𝑤 → 𝑦 = + 𝑡 + 𝑡 − 𝑡 ;𝑡 ,𝑡 ,𝑡 ∈ ℝ
3 3 3 3
⎨ 𝑧=𝑡 ⎨ 𝑧=𝑡
⎪
⎪ 𝑢=𝑡 ⎪
⎪ 𝑢=𝑡
⎩ 𝑤=𝑡 ⎩ 𝑤=𝑡
Anotemos algunas soluciones:
⎧𝑥 =
⎪𝑦 =
 Si: 𝑡 = 𝑡 = 𝑡 = 0 →
⎨𝑧 = 0
⎪𝑢 = 0
⎩𝑤 = 0
⎧ 𝑥=
⎪ 𝑦=
 Si: 𝑡 = 1; 𝑡 = −1; 𝑡 = 0 →
⎨ 𝑧=1
⎪𝑢 = −1
⎩𝑤=0
 Y así sucesivamente podemos escribir más soluciones.

Ejemplo 3: Resolver
𝑥 − 2𝑦 + 𝑧 − 4𝑢 = 1
𝑥 + 3𝑦 + 7𝑧 + 2𝑢 = 2
𝑥 − 12𝑦 − 11𝑧 − 16𝑢 = 5
i) Escribir la forma matricial del sistema.
𝑥
1 −2 1 −4 𝑦 1
1 3 7 2 = 2
𝑧
1 −12 −11 −16 𝑢 5
𝐴 × ∗𝑋 × =𝐵 ×
ii) Escribir la forma de matriz aumentada. (𝐴|𝐵)
1 −2 1 −4 1
1 3 7 2 2
1 −12 −11 −16 5
iii) Escalonar:
1 −2 1 −4 1 𝑓 ←𝑓 −𝑓 1 −2 1 −4 1 1
1 3 7 2 2 ; ~ 0 5 6 6 1 ;𝑓 ← − 𝑓
𝑓 ←𝑓 −𝑓 2
1 −12 −11 −16 5 0 −10 −12 −12 4

1 −2 1 −4 1 1 −2 1 −4 1
0 5 6 6 1 ;𝑓 ← 𝑓 − 𝑓 ; 0 5 6 6 1
0 5 6 6 −2 0 0 0 0 −3
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

iv) Analizar el rango para determinar si el sistema es consistente o inconsistente.

1 −2 1 −4 1
0 5 6 6 1
0 0 0 0 −3
- 𝜌(𝐴) = 2
- 𝜌(𝐴|𝐵) = 3
- 𝜌(𝐴) ≠ 𝜌(𝐴|𝐵)
Por lo tanto, el sistema no tiene solución.
v) Volvemos la última matriz aumentada a su forma de sistema clásico.
𝑥 − 2𝑦 + 𝑧 − 4𝑢 = 1 𝑥 − 2𝑦 + 𝑧 − 4𝑢 = 1
0𝑥 + 5𝑦 + 6𝑧 + 6𝑢 = 1 → 5𝑦 + 6𝑧 + 6𝑢 = 1
0𝑥 + 0𝑦 + 0𝑧 + 0𝑢 = −3 0 = −3 (𝐹𝑎𝑙𝑠𝑜)
10.7 Sistemas homogéneos.
Un sistema homogéneo tiene la forma:
𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 + ⋯+ 𝑎 𝑥 = 0
⎧ 𝑎 𝑥 +𝑎 𝑥 + 𝑎 𝑥 +⋯+ 𝑎 𝑥 = 0
⎪
𝑎 𝑥 +𝑎 𝑥 + 𝑎 𝑥 +⋯+ 𝑎 𝑥 = 0
⎨ …
⎪
⎩𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 + ⋯ + 𝑎 𝑥 = 0
Donde su forma matricial será:
𝑎 𝑎 … 𝑎 … 𝑎 𝑥 0
⎡𝑎 𝑎 … 𝑎 … 𝑎 ⎤ ⎡𝑥 ⎤ ⎡ 0 ⎤
⎢ … … … … … … ⎥ ⎢𝑥 ⎥ ⎢ 0 ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢𝑎 𝑎 … 𝒂𝒊𝒋 … 𝑎 ⎥ ⎢ … ⎥ = ⎢ … ⎥
⎢ … … … … … … ⎥ ⎢ … ⎥ ⎢… ⎥
⎣𝑎 𝑎 … 𝑎 … 𝑎 ⎦ ⎣𝑥 ⎦ ⎣ 0 ⎦

Y su forma de matriz aumentada será:

𝑎 𝑎 … 𝑎 … 𝑎 0
𝑎 𝑎 … 𝑎 … 𝑎 0
⎛ … … … … … … 0⎞
(𝐴|𝐵) ×( ) = ⎜𝑎 𝑎 … 𝒂𝒊𝒋 … 𝑎 …⎟
⎜ ⎟
… … … … … … …
⎝ 𝑎 𝑎 … 𝑎 … 𝑎 0⎠
Una solución particular (SOLUCION TRIVIAL) de este sistema homogéneo es:
𝑥 =0
⎧𝑥 =0
⎪
𝑥 =0
⎨ …
⎪ …
⎩𝑥 =0
Un sistema homogéneo se resuelve por el método de Gauus Jordán, este sistema si o si tendrá
solución (única o infinitas soluciones).
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
𝑥 − 2𝑦 + 3𝑧 + 𝑢 = 0
Ejemplo: Resolver el sistema: 3𝑥 − 5𝑦 + 4𝑧 + 2𝑢 = 0
4𝑥 − 9𝑦 + 17𝑧 + 5𝑢 = 0
i) Forma matricial del sistema
𝑥
1 −2 3 1 𝑦 0
3 −5 4 2 𝑧 = 0
4 −9 17 5 𝑢 0
𝐴 × ∗𝑋 × =𝐵 ×
ii) Forma de matriz aumentada: (𝐴|𝐵)
1 −2 3 1 0
3 −5 4 2 0
4 −9 17 5 0
iii) Escalonamos la matriz aumentada:
1 −2 3 1 0 𝑓 ← 𝑓 − 3𝑓 1 −2 3 1 0
3 −5 4 2 0 ; ~ 0 1 −5 −1 0 ; 𝑓 ← −𝑓
𝑓 ← 𝑓 − 4𝑓
4 −9 17 5 0 0 −1 5 1 0
Si existen filas iguales,
estas se anulan o 1 −2 3 1 0
eliminan, quedándonos 1 −2 3 1 0
0 1 −5 −1 0 ~ ; 𝑓 ← 𝑓 + 2𝑓
0 1 −5 −1 0
solo con una de estas. 0 1 −5 −1 0

1 0 −7 −1 0
0 1 −5 −1 0

iv) Verificamos si el sistema es consistente determinado o indeterminado, a través del

rango:
- 𝜌(𝐴) = 2
- 𝜌(𝐴|𝐵) = 2
- 𝜌(𝐴) = 𝜌(𝐴|𝐵) = 𝑟 = 2, 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒
- # 𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑎𝑠 = 𝑛 = 4
- 𝑟 < 𝑛 → 2 < 4 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑒𝑠 𝑖𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 (∞ 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏𝒆𝒔)
Como tendremos infinitas soluciones, tenemos que parametrizar:
# 𝒑𝒂𝒓𝒂𝒎𝒆𝒕𝒓𝒐𝒔 = 𝒏 − 𝒓 = 𝟒 − 𝟐 = 𝟐
v) Escribamos el sistema en su forma clásica
1 0 −7 −1 0 𝑥 − 7𝑧 − 𝑢 = 0 𝑥 = 7𝑧 + 𝑢
→ → ; 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑖𝑧𝑎𝑟𝑒𝑚𝑜𝑠: 𝑧, 𝑢
0 1 −5 −1 0 𝑦 − 5𝑧 − 𝑢 = 0 𝑦 = 5𝑧 + 𝑢
𝒙 = 𝟕𝒕𝟏 + 𝒕𝟐
𝒚 = 𝟓𝒕𝟏 + 𝒕𝟐
; 𝒅𝒐𝒏𝒅𝒆 𝒕𝟏 , 𝒕𝟐 ∈ ℝ
𝒛 = 𝒕𝟏
𝒖 = 𝒕𝟐
Anotemos un par de soluciones:
𝑥=0
𝑦=0
 𝑡 =0 ∧ 𝑡 =0→ ; 𝑆𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑡𝑟𝑖𝑣𝑖𝑎𝑙
𝑧=0
𝑢=0
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

𝑥=7
𝑦=5
 𝑡 =1 ∧𝑡 =0→
𝑧=1
𝑢=0
𝑥 = −11
𝑦 = −7
 𝑡 = −2 ∧ 𝑡 = 3 →
𝑧 = −2
𝑢=3
𝑥 = 650
𝑦 = 450
 𝑡 = 100; 𝑡 = −50 →
𝑧 = 100
𝑢 = −50

11. Determinantes. Un determinante es el valor numérico representativo de una matriz

CUADRADA, se define como una función del espacio vectorial de matrices ℝ × en los
reales ℝ.
𝒅𝒆𝒕(𝑴): ℝ𝒏×𝒏 → ℝ
donde: 𝑀 ∈ ℝ × .
El determinante de una matriz se denota: det(𝑀) = |𝑀|
11.1 Determinante de una matriz 𝟐 × 𝟐. Este determinante se calcula multiplicando las
diagonales y restando el producto de estas, de forma general, asi:
𝑎 𝑏
= 𝑎𝑑 − 𝑏𝑐
𝑐 𝑑
− +
3 2
Ejemplo: Calcular el determinante de la matriz 𝐴 =
5 −1
3 2
= −3 − 10 = −13 → |𝐴| = −13
5 −1
11.2 Determinante de una matriz 𝟑 × 𝟑. Para calcular el determinante de la matriz
3 × 3 se recurre a métodos como: el método estrella y la regla de Sarrus.
Tenemos la matriz 3 × 3.

𝒂𝟏 𝒃𝟏 𝒄𝟏
𝐴 = 𝒂𝟐 𝒃𝟐 𝒄𝟐
𝒂𝟑 𝒃𝟑 𝒄𝟑
𝒂𝟏 𝒃𝟏 𝒄𝟏 𝒂𝟏 𝒃𝟏 𝒄𝟏
𝒂𝟏 𝒃𝟏 𝒄𝟏 𝒂𝟐 𝒃𝟐 𝒄𝟐 𝒂𝟐 𝒃𝟐 𝒄𝟐
|𝑨| = 𝒂𝟐 𝒃𝟐 𝒄𝟐 = 𝒂𝟑 𝒃𝟑 𝒄𝟑 = 𝒂𝟑 𝒃𝟑 𝒄𝟑
𝒂𝟑 𝒃𝟑 𝒄𝟑 𝒂𝟏 𝒃𝟏 𝒄𝟏 𝒂𝟏 𝒃𝟏 𝒄𝟏
𝒂𝟐 𝒃𝟐 𝒄𝟐 𝒂𝟐 𝒃𝟐 𝒄𝟐
|𝑨| = 𝒂𝟏 𝒃𝟐 𝒄𝟑 + 𝒂𝟐 𝒃𝟑 𝒄𝟏 + 𝒂𝟑 𝒃𝟏 𝒄𝟐 − 𝒄𝟏 𝒃𝟐 𝒂𝟑 − 𝒄𝟐 𝒃𝟑 𝒂𝟏 − 𝒄𝟑 𝒃𝟏 𝒂𝟐
1 −1 2
Ejemplo: Calcular el determinante de la matriz: 𝐴 = 2 1 −1
4 3 2
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 −1 2
1 −1 2 2 1 −1
|𝐴| = 2 1 −1 = 4 3 2 = 2 + 12 + 4 − 8 + 3 + 4 = 17
4 3 2 1 −1 2
2 1 −1
11.3 Determinante de orden 𝒏 × 𝒏. Para poder generalizar la resolución de
determinantes de cualquier orden, recurriremos a el método de cofactores, que
consiste en la suma de matrices de un orden menor a la matriz original, asi:
Sea la matriz:
𝑎 𝑎 𝑎 … 𝑎
⎡𝑎 𝑎 𝑎 … 𝑎 ⎤
⎢𝑎 𝑎 𝑎 … 𝑎 ⎥⎥
𝐴 =⎢
⎢… … … … …⎥
⎣𝑎 𝑎 𝑎 … 𝑎 ⎦
Para desarrollar el método cofactor, debemos escoger una fila o columna que
represente a los cofactores, los elementos de esta fila o columna tendrán signos
intercalados, asi: + − + +
𝑎 𝑎 𝑎 … 𝑎
− ⎡𝑎 𝑎 𝑎 … 𝑎 ⎤−
⎢𝑎 + 𝑎 𝑎 … 𝑎 ⎥⎥+
𝐴 =⎢
⎢… … … … …⎥
⎣𝑎 𝑎 𝑎 … 𝑎 ⎦
+ − + +
Para determinar el signo de algún elemento 𝑎 de la matriz, lo que se debe hacer es
sumar la posición de fila y columna a la cual pertenece:
𝑝𝑎𝑟 → 𝑒𝑙 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑡𝑖𝑒𝑛𝑒 𝑠𝑖𝑔𝑛𝑜 +
𝑖+𝑗 =
𝑖𝑚𝑝𝑎𝑟 → 𝑒𝑙 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑡𝑖𝑒𝑛𝑒 𝑠𝑖𝑔𝑛𝑜 −
Para aplicar el método de cofactores se elige una fila o columna cualquiera, y de sus
elementos se comienza a eliminar su fila y columna perteneciente, para obtener una
matriz de un orden menor.
1 −1 2
Ejemplo: Calcular el determinante de la matriz: 𝐴 = 2 1 −1
4 3 2
1 −1 2
|𝐴| = 2 1 −1 = +2 2 1 − (−1) 1 −1 + 2 1 −1
4 3 4 3 2 1
4 3 2
|𝐴| = +2(6 − 4) + 1(3 + 4) + 2(1 + 2) = 2(2) + 1(7) + 2(3) = 4 + 7 + 6
|𝑨| = 𝟏𝟕
11.4 Propiedades de determinantes. Para simplificar el cálculo de determinantes se
aplican propiedades de determinantes, que son:
 Si una fila o columna es nula, el determinante automáticamente es cero.
Ejemplo:
3 0 5
|𝐴| = 1 0 −20 = 0
7 0 3
 Si dos filas o columnas son iguales, el determinante es automáticamente cero.
Ejemplo:
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 3 2 6 7
4 1 0 4 43
|𝐴| = 0 7 2 4 4 = 0
1 5 8 0 3
4 1 0 4 43
 Si una fila o columna es múltiplo de otra, el determinante automáticamente es
cero.
Ejemplo:
1 5 7
|𝐴| = 2 10 4 = 0
3 15 21
 El determinante de una matriz triangular superior, triangular inferior, es la
multiplicación de la diagonal principal.
Ejemplo:
5 2 3
|𝐴| = 0 1 8 = 5 ∗ 1 ∗ −7 = −35
0 0 −7
 El determinante de una matriz diagonal, será la multiplicación de los elementos de
esa diagonal.
Ejemplo:
7 0 0
|𝐴| = 0 −3 0 = 7 ∗ −3 ∗ 2 = −42
0 0 2
 Si se intercambian filas o columnas entre sí, el determinante cambia de signo.
Ejemplo:
2 3 5 5 3 2
|𝐴| = 7 8 9 ; 𝑐 ↔ 𝑐 |𝐴| = − 9 8 7
4 −1 −2 −2 −1 4
 Se puede factorizar a una fila o columna un factor común.
Ejemplo:
2 3 5 2 3 5
|𝐴| = 14 16 18 = 2 ∗ 7 8 9
4 −1 −2 4 −1 −2
 A una fila o columna se le puede sumar el múltiplo de otra fila o columna, y el
determinante no cambia de valor.
2 3 5 2 3 5
|𝐴| = 7 8 9 ; 𝑓 ← 𝑓 + 3𝑓 ; |𝐴| = 13 17 24
4 −1 −2 4 −1 −2

Nota: En la resolución de determinantes es conveniente que aparezcan muchos ceros

y unos 1 para realizar las operaciones de filas y/o columnas.
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

Ejemplos
2 −3 4 5
−2 2 6 2
a) Resolver:
3 5 2 −2
4 7 −3 4

2 −3 4 5 −1 −3 9 5
−2 2 6 2 𝑐 ←𝑐 +𝑐 𝑓 ← 𝑓 − 8𝑓
|𝐴| = ; 𝑐 ←𝑐 +𝑐 |𝐴| = 0 2 8 2
;
3 5 2 −2 8 5 0 −2 𝑓 ← 𝑓 − 9𝑓
4 7 −3 4 11 7 1 4
−100 −66 0 −31
|𝐴| = −88 −54 0 −30 ; 𝑎 = 1 → 𝑠𝑖𝑔𝑛𝑜 = −; 𝑝𝑜𝑟 𝑐𝑜𝑓𝑎𝑐𝑡𝑜𝑟𝑒𝑠 𝑒𝑛 𝑙𝑎 𝑐
8 5 0 −2
11 7 1 4
−100 −66 −31 −100 −66 −31 𝑓 ← 𝑓 + 66𝑓
|𝐴| = −1 −88 −54 −30 ; 𝑓 ← 𝑓 + 11𝑓 ; |𝐴| = − 0 1 −52 ;
𝑓 ← 𝑓 − 5𝑓
8 5 −2 8 5 −2
−100 0 −3463
|𝐴| = − 0 1 −52 ; 𝑎 = 1 → 𝑠𝑖𝑔𝑛𝑜 = +; 𝑝𝑜𝑟 𝑐𝑜𝑓𝑎𝑐𝑡𝑜𝑟𝑒𝑠 𝑒𝑛 𝑙𝑎 𝑐
8 0 258

|𝐴| = − −100 −3463 = −[−25800 + 27704] = −[1904]

8 258
|𝑨| = −𝟏𝟗𝟎𝟒
1 2 3 4
5 6 7 8
b) Resolver:
9 10 11 12
13 14 15 16
1 2 3 4 1 1 3 1 𝑓 ←𝑓 −𝑓
5 6 7 8 𝑐 ←𝑐 −𝑐 5 1 7 1
|𝐴| = ; 𝑐 ← 𝑐 − 𝑐 ; |𝐴| = ; 𝑓 ←𝑓 −𝑓
9 10 11 12 9 1 11 1
𝑓 ←𝑓 −𝑓
13 14 15 16 13 1 15 1
1 1 3 1 1 1 3 1
|𝐴| = 4 0 4 0 𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑧𝑎𝑚𝑜𝑠 2 𝑎 𝑙𝑎 𝑓𝑖𝑙𝑎 3 |𝐴| 4 0 4 0
; ; =2∗3
8 0 8 0 𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑧𝑎𝑚𝑜𝑠 3 𝑎 𝑙𝑎 𝑓𝑖𝑙𝑎 4 4 0 4 0
12 0 12 0 4 0 4 0
|𝑨| = 𝟎
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 1 −1 1 2 0
c) Muestre que: |𝐴𝐵| = |𝐴||𝐵|, si: 𝐴 = 1 −1 1 ; 𝐵 = 0 1 −1
−1 1 1 2 1 0
 |𝐴|
1 1 −1 𝑓 ←𝑓 +𝑓 1 1 −1
|𝐴| = 1 −1 1 ; 2 0
→ |𝐴| = 2 0 0 = +(−1)
𝑓 ←𝑓 +𝑓 0 2
−1 1 1 0 2 0
|𝐴| = −4
1 2 0
 |𝐵| = 0 1 −1 = −(−1) 1 2 = +(1 − 4) → |𝐵| = −3
2 1
2 1 0
 𝐴𝐵
1 1 −1 1 2 0 −1 2 −1
𝐴𝐵 = 1 −1 1 0 1 −1 = 3 2 1
−1 1 1 2 1 0 1 0 −1
 |𝐴𝐵|
−1 2 −1 𝑓 ← 𝑓 + 𝑓 2 4 0
|𝐴𝐵| = 3 2 1 ; → |𝐴𝐵| = 3 2 1
𝑓 ←𝑓 +𝑓
1 0 −1 4 2 0
|𝐴𝐵| = −(1) 2 4
= −(4 − 16) = −(−12) = 12
4 2
 Finalmente, demostramos que:
|𝐴𝐵| = |𝐴||𝐵|
12 = (−4)(−3) → 12 = 12

𝑎 𝑏 𝑐
d) Hallar el determinante: 𝑎 𝑏 𝑐
𝑎 𝑏 𝑐
𝑎 𝑏 𝑐 𝑎−𝑏 𝑏 𝑐 (𝑎 − 𝑏) ∗ 1 𝑏 𝑐
𝑎 𝑏 𝑐 ;𝑐 ← 𝑐 − 𝑐 ; 𝑎 − 𝑏 𝑏 𝑐 = (𝑎 − 𝑏)(𝑎 + 𝑏) 𝑏 𝑐
𝑎 𝑏 𝑐 𝑎 −𝑏 𝑏 𝑐 (𝑎 − 𝑏)(𝑎 + 𝑎𝑏 + 𝑏 ) 𝑏 𝑐
1 𝑏 𝑐 1 𝑏−𝑐 𝑐
(𝑎 − 𝑏) (𝑎 + 𝑏) 𝑏 𝑐 ; 𝑐 ← 𝑐 − 𝑐 (𝑎 − 𝑏) (𝑎 + 𝑏) 𝑏 −𝑐 𝑐
(𝑎 + 𝑎𝑏 + 𝑏 ) 𝑏 𝑐 (𝑎 + 𝑎𝑏 + 𝑏 ) 𝑏 − 𝑐 𝑐
1 (𝑏 − 𝑐) ∗ 1 𝑐
(𝑎 − 𝑏) (𝑎 + 𝑏) (𝑏 − 𝑐)(𝑏 + 𝑐) 𝑐
(𝑎 + 𝑎𝑏 + 𝑏 ) (𝑏 − 𝑐)(𝑏 + 𝑏𝑐 + 𝑐 ) 𝑐
1 1 𝑐
(𝑎 − 𝑏)(𝑏 − 𝑐) (𝑎 + 𝑏) (𝑏 + 𝑐) 𝑐 ;𝑐 ← 𝑐 − 𝑐
(𝑎 + 𝑎𝑏 + 𝑏 ) (𝑏 + 𝑏𝑐 + 𝑐 ) 𝑐
1 0 𝑐
(𝑎 − 𝑏)(𝑏 − 𝑐) (𝑎 + 𝑏) (𝑐 − 𝑎) 𝑐
(𝑎 + 𝑎𝑏 + 𝑏 ) (𝑐 − 𝑎)(𝑏 + 𝑐 + 𝑎) 𝑐
(𝑏 + 𝑏𝑐 + 𝑐 ) − (𝑎 + 𝑎𝑏 + 𝑏 )
⎧
⎪ 𝑏𝑐 + 𝑐 − 𝑎 − 𝑎𝑏
(𝑏𝑐 − 𝑎𝑏) + (𝑐 − 𝑎 )
⎨ 𝑏(𝑐 − 𝑎) + (𝑐 − 𝑎)(𝑐 + 𝑎)
⎪
⎩ (𝑐 − 𝑎)(𝑏 + 𝑐 + 𝑎)
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

1 0(𝑐 − 𝑎) 𝑐
(𝑎 − 𝑏)(𝑏 − 𝑐) (𝑎 + 𝑏) (𝑐 − 𝑎) ∗ 1 𝑐
(𝑎 + 𝑎𝑏 + 𝑏 ) (𝑐 − 𝑎)(𝑏 + 𝑐 + 𝑎) 𝑐
1 0 𝑐
(𝑎 − 𝑏)(𝑏 − 𝑐)(𝑐 − 𝑎) (𝑎 + 𝑏) 1 𝑐
(𝑎 + 𝑎𝑏 + 𝑏 ) (𝑏 + 𝑐 + 𝑎) 𝑐
1 𝑐 +𝑐 𝑎+𝑏 1
(𝑎 − 𝑏)(𝑏 − 𝑐)(𝑐 − 𝑎) +1
𝑎+𝑏+𝑐 𝑐 𝑎 + 𝑎𝑏 + 𝑏 𝑎 + 𝑏+𝑐
(𝑎 − 𝑏)(𝑏 − 𝑐)(𝑐 − 𝑎){[𝑐 − 𝑐 (𝑎 + 𝑏 + 𝑐)] + 𝑐[(𝑎 + 𝑏)(𝑎 + 𝑏 + 𝑐) − (𝑎 + 𝑎𝑏 + 𝑏 )]}
(𝑎 − 𝑏)(𝑏 − 𝑐)(𝑐 − 𝑎){𝑐 [𝑐 − (𝑎 + 𝑏 + 𝑐)] + 𝑐[𝑎 + 𝑎𝑏 + 𝑎𝑐 + 𝑎𝑏 + 𝑏 + 𝑏𝑐 − 𝑎 − 𝑎𝑏 − 𝑏 ]}
(𝑎 − 𝑏)(𝑏 − 𝑐)(𝑐 − 𝑎){𝑐 [𝑐 − 𝑎 − 𝑏 − 𝑐] + 𝑐[𝑎𝑏 + 𝑎𝑐 + 𝑏𝑐]}
(𝑎 − 𝑏)(𝑏 − 𝑐)(𝑐 − 𝑎){𝑐 [−𝑎 − 𝑏] + 𝑐[𝑎𝑏 + 𝑎𝑐 + 𝑏𝑐]}
(𝑎 − 𝑏)(𝑏 − 𝑐)(𝑐 − 𝑎)𝑐{𝑐[−𝑎 − 𝑏] + [𝑎𝑏 + 𝑎𝑐 + 𝑏𝑐]}
(𝑎 − 𝑏)(𝑏 − 𝑐)(𝑐 − 𝑎)𝑐{−𝑎𝑐 − 𝑐𝑏 + 𝑎𝑏 + 𝑎𝑐 + 𝑏𝑐}
(𝑎 − 𝑏)(𝑏 − 𝑐)(𝑐 − 𝑎)𝑐{𝑎𝑏}
𝒂 𝒃 𝒄
𝒂𝟐 𝒃𝟐 𝒄𝟐 = 𝒂𝒃𝒄(𝒂 − 𝒃)(𝒃 − 𝒄)(𝒄 − 𝒂)
𝒂𝟑 𝒃𝟑 𝒄𝟑
𝑥 −1 𝑥 −1 𝑥−1
e) Hallar el determinante: |𝐴| = 𝑥 − 8 𝑥 − 4 𝑥 − 2
𝑥 − 27 𝑥 − 9 𝑥 − 3
𝑥 −1 𝑥 −1 𝑥−1
|𝐴| = 𝑥 − 2 𝑥 − 2 𝑥 − 2
𝑥 −3 𝑥 −3 𝑥−3
(𝑥 − 1)(𝑥 + 𝑥 + 1) (𝑥 − 1)(𝑥 + 1) (𝑥 − 1) ∗ 1
|𝐴| = (𝑥 − 2)(𝑥 + 2𝑥 + 4) (𝑥 − 2)(𝑥 + 2) (𝑥 − 2) ∗ 1
(𝑥 − 3)(𝑥 + 3𝑥 + 9) (𝑥 − 3)(𝑥 + 3) (𝑥 − 3) ∗ 1
(𝑥 + 𝑥 + 1) (𝑥 + 1) 1
𝑓 ←𝑓 −𝑓
|𝐴| = (𝑥 − 1)(𝑥 − 2)(𝑥 − 3) (𝑥 + 2𝑥 + 4) (𝑥 + 2) 1 ;
𝑓 ←𝑓 −𝑓
(𝑥 + 3𝑥 + 9) (𝑥 + 3) 1
(𝑥 + 𝑥 + 1) (𝑥 + 1) 1
|𝐴| = (𝑥 − 1)(𝑥 − 2)(𝑥 − 3) 𝑥+3 1 0
2𝑥 + 8 2 0
(𝑥 + 𝑥 + 1) (𝑥 + 1) 1
|𝐴| = (𝑥 − 1)(𝑥 − 2)(𝑥 − 3) 𝑥+3 1 0
2(𝑥 + 4) 2∗1 2∗0
(𝑥 + 𝑥 + 1) (𝑥 + 1) 1
|𝐴| = 2(𝑥 − 1)(𝑥 − 2)(𝑥 − 3) 𝑥+3 1 0 ;𝑓 ← 𝑓 −𝑓
(𝑥 + 4) 1 0
(𝑥 + 𝑥 + 1) (𝑥 + 1) 1
|𝐴| = 2(𝑥 − 1)(𝑥 − 2)(𝑥 − 3) 𝑥+3 1 0
1 0 0

|𝐴| = 2(𝑥 − 1)(𝑥 − 2)(𝑥 − 3) +1 𝑥 + 1 1

1 0
|𝐴| = 2(𝑥 − 1)(𝑥 − 2)(𝑥 − 3){0 − 1}
|𝐴| = 2(𝑥 − 1)(𝑥 − 2)(𝑥 − 3){−1}
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

|𝑨| = −𝟐(𝒙 − 𝟏)(𝒙 − 𝟐)(𝒙 − 𝟑)

EVALUACION 13 DE SEPTIEMBRE.
1. Escribir una matriz de orden 4 × 4, triangular superior:
1 2 3
2. Dada la matriz 𝐴 = 4 5 6 , hallar 𝐴
7 8 9
3. El rango de una matriz está definido como el número de columnas nulas que existen
en la matriz equivalente F V
4. El rango 𝑟 cuando es mayor al número de incógnitas se tiene infinitas soluciones. F V
1 2
5. Hallar la inversa de la matriz: 𝐴 =
3 4

12. Matriz adjunta. Se define como la transpuesta de la matriz de cofactores. Se denota asi:
Sea la matriz 𝐴 ∈ ℝ × , su adjunta se denota asi:
𝑎𝑑𝑗 (𝐴) = [𝐶𝑜𝑓𝑎𝑐 (𝐴)]
Por ejemplo, para una matriz 3 × 3, se tiene:
𝑎 𝑎 𝑎
𝐴= 𝑎 𝑎 𝑎
𝑎 𝑎 𝑎
𝑎 𝑎 𝑎 𝑎 𝑎 𝑎
⎡+ 𝑎 𝑎 − 𝑎 𝑎 + 𝑎 𝑎 ⎤
⎢ 𝑎 𝑎 𝑎 𝑎 𝑎 𝑎 ⎥
𝑎𝑑𝑗 (𝐴) = ⎢− 𝑎 𝑎 + 𝑎 𝑎 − 𝑎 𝑎 ⎥
⎥
⎢
⎢ 𝑎 𝑎 𝑎 𝑎 𝑎 𝑎 ⎥
⎣+ 𝑎 𝑎 − 𝑎 𝑎 + 𝑎 𝑎 ⎦

1 2 −3
Ejemplo: Hallar la adjunta de la matriz: 𝐴 = 5 4 −2
7 0 1
4 −2 5 −2 5 4
⎡ 0 1 −
7 1 7 0 ⎤ 4 −19 −28
⎢ 2 −3 1 −3 1 2 ⎥⎥
𝑎𝑑𝑗 (𝐴) = ⎢− − = −2 22 14
⎢ 0 1 7 1 7 0⎥
8 −13 −6
⎢ 2 −3 1 −3 1 2 ⎥
⎣ 4 −2 −
5 −2 5 4 ⎦
𝟒 −𝟐 𝟖
𝒂𝒅𝒋 (𝑨) = −𝟏𝟗 𝟐𝟐 −𝟏𝟑
−𝟐𝟖 𝟏𝟒 −𝟔
13. Matriz inversa por la adjunta. Sea la matriz 𝐴 ∈ ℝ × , su inversa 𝐴 ∈ ℝ ×
, los cuales cumplen
con la propiedad:
𝐴𝐴 = 𝐴 𝐴 = 𝐼
Para realizar el cálculo de la inversa por la adjunta se recurre a:
𝟏
𝑨 𝟏= 𝒂𝒅𝒋(𝑨)
|𝑨|
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 2 −3
Ejemplo: Calcular la inversa de: 𝐴 = 5 4 −2
7 0 1
Del ejemplo resuelto en el anterior punto, tenemos:
4 −2 8
𝑎𝑑𝑗 (𝐴) = −19 22 −13
−28 14 −6
Calculemos el determinante de la matriz 𝐴
1 2 −3 𝑓 ← 𝑓 + 3𝑓 22 2 0
|𝐴| = 5 4 −2 ; |𝐴| = 19 4 0
𝑓 ← 𝑓 + 2𝑓
7 0 1 7 0 1

22 2
|𝐴| = +1 = 88 − 38 = 50
19 4
Finalmente: 𝐴 = | | 𝑎𝑑𝑗 (𝐴)
𝟒 𝟐 𝟖 𝟐 𝟏 𝟒
⎡ − ⎤ ⎡ − ⎤
𝟏 𝟒 −𝟐 𝟖 ⎢ 𝟓𝟎 𝟓𝟎 𝟓𝟎 ⎥ ⎢ 𝟐𝟓 𝟐𝟓 𝟐𝟓 ⎥
𝟏𝟗 𝟐𝟐 𝟏𝟑 𝟏𝟗 𝟏𝟏 𝟏𝟑
𝑨 𝟏
= −𝟏𝟗 𝟐𝟐 −𝟏𝟑 = ⎢− − ⎥ = ⎢− − ⎥
𝟓𝟎 ⎢ 𝟓𝟎 𝟓𝟎 𝟓𝟎⎥ ⎢ 𝟓𝟎 𝟐𝟓 𝟓𝟎⎥
−𝟐𝟖 𝟏𝟒 −𝟔
⎢ 𝟐𝟖 𝟏𝟒 𝟔 ⎥ ⎢ 𝟏𝟒 𝟕 𝟑⎥
⎣− 𝟓𝟎 𝟓𝟎
− ⎦ ⎣−
𝟓𝟎 𝟐𝟓 𝟐𝟓
− ⎦
𝟐𝟓

14. Resolución de un sistema consistente determinado por la inversa. Este método nos ayuda
solamente cuando el sistema tiene única solución y se trata de un sistema cuadrado. Cuando el
determinante de la matriz 𝐴 es diferente de cero, el sistema tiene única solución.
Entonces, tenemos el sistema en su forma matricial:
𝐴𝑋 = 𝐵 → 𝐴 𝐴𝑋 = 𝐴 𝐵 → 𝐼𝑋 = 𝐴 𝐵 → 𝑿 = 𝑨 𝟏 𝑩
𝟏
𝑿= 𝒂𝒅𝒋(𝑨)𝑩
|𝑨|
Ejemplo: Resolver

𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟐
𝟐𝒙 − 𝟑𝒚 + 𝒛 = 𝟏
𝟑𝒙 − 𝒚 + 𝟐𝒛 = 𝟗
1 −2 3 𝑥 2
𝐴𝑋 = 𝐵 → 2 −3 1 𝑦 = 1 → 𝑋 = 𝐴−1 𝐵
3 −1 2 𝑧 9

Hallemos la inversa de la matriz A por la adjunta: 𝐴 = | | 𝑎𝑑𝑗 (𝐴)

1 −2 3
𝐴= 2 −3 1
3 −1 2
 Hallemos primero su determinante:
1 −2 3 𝑓 ← 𝑓 − 2𝑓 1 −2 3
|𝐴| = 2 −3 1 ; |𝐴| = 0 1 −5 ; 𝑓 ← 𝑓 − 5𝑓
𝑓 ← 𝑓 − 3𝑓
3 −1 2 0 5 −7
1 −2 3
|𝐴| = 0 1 −5 = 18
0 0 18
El determinante es distinto de 0, por lo tanto el sistema tiene única solución (sistema
consistente determinado)
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran

 Hallemos la adjunta de la matriz A

1 −2 3
𝐴 = 2 −3 1
3 −1 2
−3 1 2 1 2 −3
⎡+ −1 2 − 3 2 +
3 −1 ⎤
⎢ −2 3 1 3 1 −2 ⎥
𝑎𝑑𝑗 (𝐴) = ⎢− + − ⎥
⎢ −1 2 3 2 3 −1 ⎥
⎢ −2 3 1 3 1 −2 ⎥
⎣+ −3 1 − 2 1 +
2 −3 ⎦

−5 −1 7 −5 1 7
𝑎𝑑𝑗(𝐴) = 1 −7 −5 → 𝑎𝑑𝑗 (𝐴) = −1 −7 5
7 5 1 7 −5 1
Luego:
1 𝟏
𝟏 −𝟓 𝟏 𝟕
𝐴 = 𝑎𝑑𝑗 (𝐴) → 𝑨 = −𝟏 −𝟕 𝟓
|𝐴| 𝟏𝟖
𝟕 −𝟓 𝟏
 Finalmente, hallemos la matriz de las incógnitas: 𝑋 = 𝐴 𝐵
54
⎡ ⎤
1 −5 1 7 2 1 54 ⎢18⎥
36
𝑋= −1 −7 5 1 = 36 = ⎢ ⎥
18 18 ⎢ 18⎥
7 −5 1 × 9 × 18
⎢18⎥
⎣18⎦
𝑥 3
𝑦 = 2 ; 𝑝𝑜𝑟 𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑 𝑑𝑒 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠
𝑧 1
𝒙=𝟑
𝒚=𝟐
𝒛=𝟏
15. FACTORIZACION LU. Dada una matriz 𝐴, esta se puede expresar como el producto de
matrices 𝐿 y 𝑈. Donde 𝐿 es la matriz triangular inferior y 𝑈 es una matriz triangular
superior.
Entonces la matriz 𝐴 = 𝐿 ∗ 𝑈
Sea:
𝑎 𝑎 … 𝑎 … 𝑎
⎡𝑎 𝑎 … 𝑎 … 𝑎 ⎤
⎢ … … … … … … ⎥
𝐴 × =⎢𝑎 𝑎 … 𝒂𝒊𝒋 … 𝑎 ⎥
⎥
⎢
⎢ … … … … … … ⎥
⎣𝑎 𝑎 … 𝑎 … 𝑎 ⎦
De donde:
1 0 0 0 0 0 𝑎 𝑎 … 𝑎 … 𝑎
⎡ 𝑎 1 0 0 0 0⎤ ⎡
0 𝑙 … 𝑚 … 𝑛 ⎤
⎢ 𝑏 𝑐 1 0 0 0⎥ ⎢ ⎥
𝐴=⎢ ⎥⎢ 0 0 𝑝 𝑞 … 𝑟 ⎥
⎢… … … 1 0 0⎥ ⎢ 0 0 0 … … …⎥
⎢ 𝑑 𝑒 𝑓 𝑔 1 0⎥ ⎢ 0 0 0 0 𝑠 𝑡 ⎥
⎣ ℎ 𝑖 𝑗 … 𝑘 1⎦ ⎣ 0 0 0 0 0 𝑢 ⎦

Ejemplo: Hallar las matrices 𝐿 y 𝑈 de la matriz:

 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 3 2
𝐴= 2 7 6
3 11 13
1 0 0 1 3 2 1 3 2
𝐴 = 𝐿𝑈 = 𝑎 1 0 0 𝑑 𝑒 = 𝑎 3𝑎 + 𝑑 2𝑎 + 𝑒
𝑏 𝑐 1 0 0 𝑓 𝑏 3𝑏 + 𝑐𝑑 2𝑏 + 𝑐𝑒 + 𝑓
1 3 2 1 3 2
2 7 6 = 𝑎 3𝑎 + 𝑑 2𝑎 + 𝑒
3 11 13 𝑏 3𝑏 + 𝑐𝑑 2𝑏 + 𝑐𝑒 + 𝑓
Por igualdad de matrices:
𝑎=2 𝑎=2
⎧ 3𝑎 + 𝑑 = 7 ⎧𝑑 = 1
⎪ ⎪
2𝑎 + 𝑒 = 6 𝑒=2
→
⎨ 𝑏 = 3 ⎨ =3
𝑏
⎪ 3𝑏 + 𝑐𝑑 = 11 ⎪𝑐 = 2
⎩2𝑏 + 𝑐𝑒 + 𝑓 = 13 ⎩𝑓 = 3
Luego:
1 0 0 1 3 2
𝐴 = 𝐿𝑈 = 𝑎 1 0 0 𝑑 𝑒
𝑏 𝑐 1 0 0 𝑓

𝟏 𝟎 𝟎 𝟏 𝟑 𝟐
𝑨= 𝟐 𝟏 𝟎 𝟎 𝟏 𝟐
𝟑 𝟐 𝟏 𝟎 𝟎 𝟑
16. Resolución de sistemas de ecuaciones lineales por factorización LU.
Sea el sistema de ecuaciones:
𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 + ⋯+ 𝑎 𝑥 = 𝑏
⎧ 𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 +⋯+ 𝑎 𝑥 = 𝑏
⎪
𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 +⋯+ 𝑎 𝑥 = 𝑏
⎨ …
⎪
⎩𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 + ⋯ + 𝑎 𝑥 = 𝑏

Donde:
 𝑥 , 𝑥 , 𝑥 , … , 𝑥 son las incógnitas.
 𝑎 son coeficientes de las incógnitas de las ecuaciones. 𝑎 ∈ ℝ
 𝑏 , 𝑏 , 𝑏 , … , 𝑏 son términos independientes.

Recordando que a partir de ese sistema se forman las siguientes matrices:

 Matriz 𝐴. Es la matriz de coeficientes 𝑎

𝑎 𝑎 … 𝑎 … 𝑎
⎡𝑎 𝑎 … 𝑎 … 𝑎 ⎤
⎢ … … … … … … ⎥
𝐴 × =⎢𝑎 𝑎 … 𝒂𝒊𝒋 … 𝑎 ⎥
⎥
⎢
⎢ … … … … … … ⎥
⎣𝑎 𝑎 … 𝑎 … 𝑎 ⎦
 Matriz 𝑋. Es la matriz de las incógnitas, se escribirá como una matriz columna
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
𝑥
⎡𝑥 ⎤
⎢ ⎥
𝑋 × = ⎢𝑥 ⎥
⎢…⎥
⎣𝑥 ⎦
 Matriz 𝐵. Es la matriz de los términos independientes, se escribirá en forma de
matriz columna.
𝑏
⎡ ⎤
𝑏
⎢ ⎥
𝐵 × = ⎢𝑏 ⎥
⎢… ⎥
⎣𝑏 ⎦
La forma matricial de un sistema de ecuaciones es:
𝐴 × ∗𝑋 × =𝐵 ×
𝑎 𝑎 … 𝑎 … 𝑎 𝑥 𝑏
⎡𝑎 𝑎 … 𝑎 … 𝑎 ⎤ ⎡𝑥 ⎤ ⎡ 𝑏 ⎤
⎢ … … … … … … ⎥ ⎢𝑥 ⎥ ⎢ 𝑏 ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢𝑎 𝑎 … 𝒂𝒊𝒋 … 𝑎 ⎥ ⎢ … ⎥ = ⎢ … ⎥
⎢ … … … … … … ⎥⎢…⎥ ⎢… ⎥
⎣𝑎 𝑎 … 𝑎 … 𝑎 ⎦ ⎣𝑥 ⎦ ⎣𝑏 ⎦

A partir de la ecuación matricial de un sistema de ecuaciones, tendremos:

Lo primero que debemos hacer, es hallar las matrices 𝐿 y 𝑈 de la matriz 𝐴.
𝐴𝑋 = 𝐵 → 𝐿𝑈𝑋 = 𝐵 → 𝐿𝑈𝑋 = 𝐵 → 𝐿𝑌 = 𝐵

Donde 𝑌 es una matriz de incognitas intermedias, del mismo tamaño que la matriz 𝑋.
Ejemplo: Resolver el siguiente sistema de ecuaciones por la factorización LU.
2𝑥 + 𝑥 + 𝑥 = 8
8𝑥 − 𝑥 − 3𝑥 = 26 ; 𝑥 , 𝑥 , 𝑥 ∈ ℝ
4𝑥 + 𝑥 + 4𝑥 = 8
2 1 1 𝑥 8
𝐴𝑋 = 𝐵 → 8 −1 −3 𝑥 = 26
4 1 4 𝑥 8
Factoricemos la matriz 𝐴:
2 1 1 1 0 0 2 1 1 2 1 1
8 −1 −3 = 𝑎 1 0 0 𝑑 𝑒 = 2𝑎 𝑎 + 𝑑 𝑎 + 𝑒
4 1 4 𝑏 𝑐 1 0 0 𝑓 2𝑏 𝑏 + 𝑐𝑑 𝑏 + 𝑐𝑒 +𝑓
Por igualdad de matrices:
𝑎=4
2𝑎 = 8 ⎧ 𝑑 = −5
⎧ 𝑎 + 𝑑 = −1 ⎪ 𝑒 = −7
⎪ ⎪
𝑎 + 𝑒 = −3 𝑏=2
→ 1
⎨ 2𝑏 = 4 ⎨ 𝑐=
⎪ 𝑏 + 𝑐𝑑 = 1 ⎪ 5
⎩𝑏 + 𝑐𝑒 + 𝑓 = 4 ⎪ 7 17
⎩ 𝑓 = 4 − 2 + =
5 5
Luego:
 MATEMATICA COMPUTACIONAL
Ing. Ariel Naddir Aguilar Duran
1 0 0 2 1 1
𝐿= 4 1 0 ; 𝑈 = 0 −5 −7
2 1/5 1 0 0 17/5
 Resolvamos: 𝐿𝑌 = 𝐵
𝑦 =8 𝑦 =8
1 0 0 𝑦 8 4𝑦 + 𝑦 = 26 𝑦 = −6
4 1 0 𝑦 = 26 → →
1 6 34
2 1/5 1 𝑦 8 2𝑦 + 𝑦 + 𝑦 = 8 𝑦 = 8 − 16 + = −
5 5 5
 Ahora resolvemos: 𝑈𝑋 = 𝑌
8 2𝑥 + 𝑥 + 𝑥 = 8
2 1 1 𝑥 𝒙𝟏 = 𝟑
−6 −5𝑥 − 7𝑥 = −6
0 −5 −7 𝑥 = 34 → → 𝒙𝟐 = 𝟒
17 34
0 0 17/5 𝑥 − 𝑥 =− 𝒙𝟑 = −𝟐
5 5 5