1

CAPÍTULO II – MATRICES

INTRODUCCIÓN
En el capítulo anterior se observó la presencia de un nuevo objeto matemático que
resultó de utilidad al momento de solucionar un sistema de ecuaciones.
Este nuevo objeto, al que llamaremos MATRIZ, será de gran relevancia en el estudio
del algebra lineal, y en este capítulo se presentan sus principales propiedades y
operaciones básica

2.1 DEFINICIONES Y EJEMPLOS

Definición - Matriz
Una matriz 𝐴 de orden 𝒎 × 𝒏 (𝐴𝑚×𝑛 ) es un arreglo rectangular de 𝑚 × 𝑛 números
(reales o complejos) ordenados en 𝑚 filas y 𝑛 columnas.
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 ⋯ 𝒂𝟏𝒏
𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 ⋯ 𝒂𝟐𝒏
𝑨 = 𝒂𝟑𝟏 𝒂𝟑𝟑 𝒂𝟑𝟑 ⋯ 𝒂𝟑𝒏 = [𝒂𝒊𝒋 ]; con 𝟏 ≤ 𝒊 ≤ 𝒎 𝟏 ≤ 𝒋 ≤ 𝒏
⋮ ⋮ ⋮ ⋮ ⋮
[𝒂𝒎𝟏 𝒂𝒎𝟐 𝒂𝒎𝟑 ⋯ 𝒂𝒎𝒏 ]
Donde 𝒂𝒊𝒋 presenta el elemento en la fila 𝑖 y la columna 𝑗 .

Note que cada fila de la matriz 𝐴 se puede entender como un vector en ℝ𝑛 ; y cada
columna de la matriz se puede entender como un vector en ℝ𝑚 .

Nota. Convencionalmente las matrices se denotan por las primeras letras

mayúsculas del alfabeto, A, B, C …

Ejemplo 2.1
𝑨 = [𝟏 −𝟐 𝟎]
A es una matriz de 1 fila, tres columnas, dimensión 1 × 3.
2

𝟎
𝑩=[ 𝟏 ]
−𝟒
𝟑
B es una matriz de 4 filas, y una columna, dimensión 4 × 1

Ejemplo 2.2
𝒊 𝟏 𝟏 𝟑 + 𝟐𝒊 𝟐
𝟒 −𝒊 𝟏𝟎 𝟏𝟐 𝟓 − 𝟑𝒊
𝑨 = 𝟑 + 𝟐𝒊 𝟐/𝟑 𝟏/𝟕 𝟏 −𝟐
−𝟏 𝟏 𝟒 𝟏/𝟐 𝟎
[ 𝟎. 𝟓 𝟎. 𝟗 𝟏 𝟎. 𝟓 𝟐+𝒊 ]

Encuentre: 𝑎12 =_____ 𝑎44 =______ 𝑎54 =______ 𝑎22 =_____ dim (𝐴) =_____

Matrices especiales
M. cuadrada
Es una matriz que tiene igual cantidad de filas que de columnas, se dice que
es cuadrada. Si 𝑛 es el número de filas y columnas de la matriz, se dice que
es de orden n.

M. diagonal
Se dice que una matriz cuadrada 𝐴 de orden 𝑛 es diagonal si y solamente si
𝒂𝒊𝒋 =0 para todo 𝒊 ≠ 𝒋

M. simétrica
Se dice que una matriz cuadrada 𝐴 de orden 𝑛 es simétrica si y solamente si
𝒂𝒊𝒋 = 𝒂𝒋𝒊 para todo 𝒊 ≠ 𝒋
3

M. triangular
Una matriz cuadrada de orden n es triangular sii 𝑎𝑖𝑗 =0 para todo 𝑖 > 𝑗 o 𝑎𝑖𝑗 =0
para todo 𝑖 < 𝑗. Las matrices pueden ser:
• Matriz triangular superior. Se dice que una matriz triangular es
triangular superior sii 𝑎𝑖𝑗 =0 para todo 𝑖 > 𝑗
• Matriz triangular inferior. Se dice que una matriz triangular es
triangular inferior sii 𝑎𝑖𝑗 =0 para todo 𝑖 < 𝑗

Matriz Identidad
Una matriz diagonal de orden 𝑛 es llamada matriz identidad, denotada 𝐼𝑛 , sii
todas sus entradas en la diagonal principal son iguales a uno.

Matriz Nula
Una matriz de orden 𝒎 × 𝒏 cuyas entradas son todas iguales a cero es
llamada matriz nula.

Diagonal Principal de una Matriz

Sea A una matriz cuadrada de orden n, los elementos 𝑎𝑖𝑗 tales que 𝑖 = 𝑗, son
llamados la diagonal principal de 𝐴.

Traza de una Matriz

La suma de los elementos de la diagonal principal de una matriz cuadrada A
de orden 𝑛, se conoce como la traza de 𝐴, y se denota por Tr(𝐴).
Tr(𝐴) = ∑𝑛𝑖=1 𝑎𝑖𝑗 = 𝑎11 + 𝑎22 + 𝑎33 + ⋯+ 𝑎𝑛𝑛

Matrices iguales
Dos matrices A y B de orden 𝑚 × 𝑛 son iguales, si y solamente si sus
elementos son iguales término a término.
𝑎𝑖𝑗 = 𝑏𝑖𝑗 ∀ 1 ≤ 𝑖 ≤ 𝑚; y ∀ 1 ≤ 𝑗 ≤ 𝑛;
4

Ejemplo 2.3
a. Clasifique cada una de las siguientes matrices.
b. Calcule, además, la traza de las matrices cuadradas que encuentre.
1 0 0 1 −1 −1 0 1 −1 2
𝐴 = [2 1 0] 𝐵 = [3 4 ] ; 𝐶 = [ 0 2 −0.5] ; 𝐷 = [ 0 0.3]
0 1 1 4 0.5 1 −0.5 3 −3 0.3
0 5 4 3
1 0 0
1 0 0] ; G = [0 0 0
𝐸=[ ]; F = [5 9 0 ] ; 𝐻 = [0 1 0]
0 0 4 0 3 5 0 0 0
0 0 1
3 0 5 0

Ejemplo 2.4
• Ejercicio 8 del texto guía (pág. 35)
• Hallar todos los valores de 𝑥 y 𝑦 para los cuales se cumple la igualdad de las
siguientes matrices;
2𝑥 + 3𝑦 𝑧−𝑤 −1 −1
[ ]=[ ]
𝑥 − 2𝑦 2𝑧 + 2𝑤 −4 10
• Hallar todos los valores de 𝑥 y 𝑦 para los cuales la matriz A es simétrica,
encuentre luego su traza.
𝑦 𝑦 1
𝐴 = [5 − 𝑥 1 3 − 2𝑦]
1 𝑥 𝑥

2.2 operaciones entre matrices

Producto por un escalar

Sean A= [𝑎𝑖𝑗 ] una matriz de orden m ×n, y 𝛼 un escalar, entonces, 𝛼𝐴 es una matriz
de orden m×n dada por:

𝛼𝐴 = [𝛼𝑎𝑖𝑗 ]
5

Suma de Matrices

Sean A= [𝑎𝑖𝑗 ] y B= [𝑏𝑖𝑗 ] matrices de orden m ×n, se define la suma de A con B,

A+B es una matriz de orden m ×n dada por:

𝐴 + 𝐵 = [𝑎𝑖𝑗 + 𝑏𝑖𝑗 ]

Producto entre Matrices

Sean A= [𝑎𝑖𝑗 ]m ×n y B=[𝑏𝑖𝑗 ]n ×p matrices dadas, se define el producto de A con B,

𝐴𝐵 o 𝐴 × 𝐵, como la matriz C de orden m × 𝑝 dada por:

𝐴𝐵 = 𝐶 = [𝑐𝑖𝑗 ]

Con: 𝑐𝑖𝑗 = ∑𝑛𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗 = 𝑎𝑖1 𝑏1𝑗 + 𝑎𝑖2 𝑏2𝑗 + ⋯ + 𝑎𝑖𝑛 𝑏𝑛𝑗 (Producto punto entre la fila i y
la columna j)

Otro ejemplo

−1 1/3 2/5 0 2
𝐴=[ ] 𝐵 = [ 1 −1/3]
2 1 −1/4 2×3
−1 0 3×2
6

Ejemplo 2.5
Seleccione entre las siguientes matrices cuáles se pueden sumar entre sí. Diga
también cuales se pueden multiplicar entre sí. Realice además las operaciones
determinadas

Ejemplo 2.6

Dadas las matrices anteriores, hallar si es posible:

a. 𝐴 + 𝐵; f. 2𝐸 − 𝐹; j. BC,
b. 𝐵 + 𝐶; g. 𝐴𝐵; k. 𝑇𝑟(𝐸);
c. 𝐶 + 𝐹; h. 𝐵𝐴; l. 𝑇𝑟(𝐶);
d. 3A; i. 𝐴(3𝐷); m. 4(𝐴 + 𝐷)
e. 2E;

Observación
Con frecuencia las matrices pueden ser de ayuda para desplegar y organizar la
información en torno a un problema, por ejemplo, la siguiente matriz proporciona las
distancias entre las ciudades indicadas.
⬚ 𝐿𝑜𝑛𝑑. 𝑀𝑎𝑑. 𝑁. 𝑌 𝑇𝑜𝑘
𝐿𝑜𝑛𝑑𝑟𝑒𝑠 0 785 3469 5959
𝑀𝑎𝑑𝑟𝑖𝑑 [ 785 0 3593 6706 ]
𝑁. 𝑌 3469 3593 0 67570
𝑇𝑜𝑘𝑖𝑜 5959 6706 6757 0

Ejemplo 2.7
7

Un hipermercado quiere ofertar tres clases de bandejas: A, B y C. La bandeja A

contiene 40 g de queso manchego, 160 g de roquefort y 80 g de camembert; la
bandeja B contiene 120 g de cada uno de los tres tipos de queso anteriores; y la
bandeja C, contiene 150 g de queso manchego, 80 g de roquefort y 80 g de
camembert. Se quiere sacar a la venta 50 bandejas del tipo A, 80 de B y 100 de C
para poder satisfacer la demanda. Escriba matricialmente:
a. La relación entre el peso de la bandeja y el tipo de queso.
b. La relación entre la cantidad de bandejas a sacar y el tipo de bandeja.
c. La cantidad de queso de cada tipo que serán necesarios para satisfacer la
demanda.
d. Exprese en kilogramos las cantidades de queso requeridas para satisfacer la
demanda.

Ejemplo 2.8
Una fábrica de zapatos produce dos modelos de tenis, A y B, en tres colores: negro,
blanco y gris. Del modelo A produce: 400 unidades del color negro, 200 unidades
del color blanco y 50 unidades del gris. Del modelo B produce: 300 unidades del
color negro, 100 unidades del color blanco y 30 unidades del color gris. El color
negro requiere 25 horas de taller y 1 hora de administración. El color blanco necesita
30 horas de taller y 1.2 horas de administración. El color gris conlleva 33 horas de
taller y 1.3 horas de administración.
(Tomado de: https://upcommons.upc.edu/bitstream/handle/2117/90194/Libro-problemas-def.pdf)

a. Representar la información dada en dos matrices, una para el costo en horas

según el taller y administración, y otra para la producción de los modelos
según el color.
b. Encontrar una matriz que exprese el total de horas de taller y de
administración empleadas para cada uno de los modelos A y B.
c. Determinar el número de unidades de cada color que se han producido si el
coste total en horas de taller han sido 13980 para el modelo A y 12170 para
el modelo B y en horas de administración han sido 558 para el modelo A y
486 para el modelo B y el número total de unidades del modelo A han sido
510 y del modelo B un total de 460.

Ejemplo 2.9
Sebastián quiere comprar 2kg de peras, uno de manzanas y 6 de naranjas. Jaime
necesita 4 libras de peras, 4 de manzanas y 8 libras de naranjas, mientras que
8

Valentina quieren comprar dos libras de peras, dos kilogramos de manzanas y tres
kilogramos de naranjas. En el pueblo las únicas fruterías que hay son las de don
Armando y don Rafael. Don Armando tiene el kilo de peras en 1500 pesos y don
Rafael lo vende en 1800 pesos. Las manzanas las vende don Armando 1000 pesos
el kilogramo y don Rafael cobra 800 pesos por kilo, y las naranjas están en 2000
pesos el kilogramo en ambas fruterías.
Expresa matricialmente la cantidad de fruta (peras, manzanas y naranjas) que
quiere comprar cada persona.
Escribe una matriz con los precios de cada tipo de fruta en cada una de las dos
fruterías.
Obtén una matriz, a partir de las dos anteriores, en la que quede reflejado lo que se
gastaría cada persona haciendo su compra en cada una de las dos fruterías.

2.3 PROPIEDADES DE LAS OPERACIONES CON MATRICES

Propiedades de la suma de matrices y el producto por un escalar

Sean 𝐴, 𝐵 y 𝐶 matrices de orden 𝑚 × 𝑛 y 𝛼 y 𝛽 escalares, entonces:
1. 𝐴+𝐵 =𝐵+𝐴 P. Conmutativa
2. 𝐴 + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶 P. Asociativa
3. (αβ)𝐴 = α(β𝐴) P. Conmut. en el producto por un escalar
4. 1𝐴 = 𝐴 P. Modulativa en el prod, por un escalar.
5. 𝛼(𝐴 + 𝐵) = 𝛼𝐴 + 𝛼𝐵 P. Distributiva en la suma de matrices
6. (𝛼 + 𝛽)𝐴 = 𝛼A + 𝛽𝐴 P. Distributiva en la suma de escalares

Demostración:

Matriz nula
Una matriz A de orden 𝑚 × 𝑛 es llamada nula, si y solo si, todas sus componentes
son iguales a cero.
La matriz nula se denota por:
0 0 0
𝟎 = [0 0 0]
0 0 0

Propiedades de la matriz nula

9

Sea A una matriz de orden 𝑚 × 𝑛 y 𝛼 un escalar, entonces:

1. 𝐴 + 𝟎𝑚×𝑛 = 𝐴 Modulo de la suma.
2. 𝐴 + (−𝐴) = 𝟎𝑚×𝑛 Inverso aditivo
3. Si α𝐴 = 𝟎𝑚×𝑛 entonces α = 0 o 𝐴 = 𝟎𝑚×𝑛
Demostración:

Propiedades de la multiplicación de matrices

Sean A, B y C matrices de orden tal que la operación está bien definida y 𝛼 un
escalar, entonces:
1. 𝐴(𝐵𝐶) = (𝐴𝐵)𝐶 P. asociativa.
2. 𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶 P. distributiva a derecha
3. (𝐴 + 𝐵)𝐶 = 𝐴𝐶 + 𝐵𝐶 P. distributiva a izquierda
4. 𝛼(𝐴𝐵) = (𝛼𝐴)𝐵 = 𝐴(𝛼𝐵) P asociativa del producto por un escalar.
5. 𝑰𝑛 𝐴 = 𝐴 Prop. Modulativa.
6. 𝐴𝑰𝑛 = 𝐴 Prop. Modulativa.
Demostración:

Potenciación de Matrices
Si A es una matriz cuadrada de orden 𝑛, se define:
𝐴0 = 𝑰𝑛
𝐴1 = 𝐴
𝐴2 = 𝐴 × 𝐴
𝐴3 = 𝐴2 𝐴 = 𝐴 × 𝐴 × 𝐴
𝐴𝑘 = 𝐴𝑘−1 𝐴 = ⏟
𝐴 ×𝐴 × 𝐴 × …×𝐴
𝑘−𝑣𝑒𝑐𝑒𝑠

Sea A una matriz cuadrada de orden 𝑛 y j, k enteros, entonces:

1. 𝐴𝑗 𝐴𝑘 = 𝐴𝑗+𝑘
𝑘
2. (𝐴𝑗 ) = 𝐴𝑗𝑘

Demostración:
10

Matriz transpuesta
Si 𝐴 = [𝑎𝑖𝑗 ] es una matriz de orden m × 𝑛, la matriz transpuesta de A, denotado
como 𝐴𝑡 , es una matriz de orden n × 𝑚 dada por 𝐴𝑡 = [𝑎𝑗𝑖 ]

Las filas de A son las columnas de 𝐴𝑡

Propiedades de la matriz transpuesta

Sean A y B matrices de orden apropiado, y 𝛼, un escalar, entonces:
1.(𝐴𝑡 )𝑡 = 𝐴
2. (𝐴 + 𝐵)𝑡 = 𝐴𝑡 + 𝐵 𝑡
3. (𝛼𝐴)𝑡 = 𝛼𝐴𝑡
4. (𝐴𝐵)𝑡 = 𝐵 𝑡 𝐴𝑡
Demostración:

NOTA: Matriz simétrica

Si 𝐴 = [𝑎𝑖𝑗 ] es una matriz simétrica de orden n, entonces 𝐴𝑡 = 𝐴,

Matriz antisimétrica
Si 𝐴 = [𝑎𝑖𝑗 ] es una matriz cuadrada de orden n, entonces se dice que A es
antisimétrica si y solo si 𝑎𝑖𝑗 = −𝑎𝑗𝑖 .

En consecuencia;
𝐴𝑡 = −𝐴

Ejemplo 2.10

1/2 0 0 0 1 −√2
3 𝑡
Hallar 𝐴 si A = [ 0 2 0] Hallar 𝐵 si B = [ −1 0 1/2 ]
√2 0 −1 √2 −1/2 0
a. ¿Es B simétrica?, o ¿es antisimétrica?
11

b. ¿Qué clase de variable es A?

c. ¿Qué clase de variable es 𝐴3 ?
d. Encuentre 𝐴2 × 𝐵 𝑡

Ejemplo 2.11
Para las matrices dadas abajo, resuelva cada uno de los siguientes ítems

a. El orden, si existe, de la matriz 𝐴 × 𝐵 es:

b. La operación A+C está definida: SI___ NO___ por qué?
c. Encuentre; 𝐴𝑡 ; 𝐵 𝑡 ; 𝐴𝑡 × 𝐵 𝑡
d. Hallar: 𝐶 𝑡 ; 𝐸 3 , 𝐶 𝑡 × 𝐸 3
e. Hallar: 𝐶 2 ; 𝐴3 ; 𝐸 4
f. Resuelva si es posible: 2𝐶 𝑡 + 𝐸 3 ;

2.4 SISTEMAS DE ECUACIONES LINEALES

Sistemas de ecuaciones lineales

Un sistema lineal de m-ecuaciones con n incógnitas o variables, es un conjunto de
m ecuaciones lineales cada una de ellas con n incógnitas de grado uno
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ +𝑥1𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ +𝑥2𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ +𝑥3𝑛 = 𝑏3
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ +𝑥𝑚𝑛 = 𝑏𝑚
Un sistema de la forma anterior puede escribirse en forma matricial, así: 𝑨𝑿 = 𝒃
12

𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛 𝑥1 𝑏1

𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛 𝑥2 𝑏2
𝑎31 𝑎33 𝑎33 ⋯ 𝑎3𝑛 𝑥3 = 𝑏3
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
[𝑎𝑚1
⏟ 𝑎𝑚2 𝑎𝑚3 ⋯ [
𝑎𝑚𝑛 ] ⏟ 𝑥𝑚] [⏟
𝑏𝑚 ]
𝑨 𝑿 𝒃

Donde:
𝑨 es la matriz de coeficientes
𝑿 es matriz columna de variables
𝒃 es una matriz columna de términos independientes

Matriz aumentada
Dado el sistema de ecuaciones lineales:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ +𝑥1𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ +𝑥2𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ +𝑥3𝑛 = 𝑏3
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ +𝑥𝑚𝑛 = 𝑏𝑚
La matriz aumentada asociada al sistema está dada por:

Ejemplo 2.12
En cada uno se los sistemas de ecuaciones siguientes, encuentre:
a. La forma matricial del sistema de ecuaciones lineales.
b. Encuentre la matriz aumentada sistema de ecuaciones lineales.
c. Utilice el Calmatrix para solucionar cada uno de los siguientes sistemas de
ecuaciones, y diga si el sistema es consistente o inconsistente.
1 1 1
2𝑥 − 3𝑦 + 2𝑧 = 0 𝑥 + 2𝑦 = 9 𝑥− 𝑦+ 𝑧=5
3 2 6
5𝑥 − 8𝑦 − 3𝑧 = 0 2𝑥 − 4𝑦 = 2 1
𝑥+𝑦+𝑧 =0 − 𝑥 − 8𝑦 − 2𝑧 = 4
3
1 1 1
𝑥 + 𝑦 + 𝑧 = −1
2 6 3
13

Solución de un sistema de ecuaciones

Al tratar de solucionar un sistema de ecuaciones con dos o más incógnitas se puede
presentar una de las siguientes situaciones:

Ejemplo 2.13 (Parametrización)

Hallar la solución de la ecuación lineal dada:
a. 2𝑥 − 𝑦 − 3𝑧 = 2
b. b. 0.5𝑥 + 0.5𝑦 + 𝑧 = 0

Operaciones elementales entre filas

Se tienen tres operaciones elementales entre filas:
• Intercambiar dos filas. 𝑓𝑖 ↔ 𝑓𝑗

• Sumar el múltiplo escalar de una fila con otra fila 𝑓𝑖 + 𝛼𝑓𝑗 → 𝑓𝑖

• Multiplicar una fila por un escalar no nulo. 𝛼𝑓𝑖 → 𝑓𝑖

Matrices equivalentes
Se dice que una matriz B es equivalente por filas con una matriz A, siempre que B
se obtiene al aplicar al menos una operación entre las filas de A.

2.4.1 Método de Gauss

Matriz escalonada
Se dice que una matriz A está en forma escalonada si cumple con las siguiente tres
condiciones:
• El primer elemento de cada fila, distinto de cero, es 1, el cual será llamado
un pivote.
14

• Todo pivote estará más a la derecha que el pivote de la fila inmediatamente

anterior
• Si hay filas de solo ceros estas serán las últimas de la matriz.

Ejemplo 2.14
Diga cuál de las siguientes matrices está en forma escalonada.
1 0 5 2 −1/2
1 0 0 0 0 0 1 0 1/2 1 2
1 −1 0
A=[ ] D = [0 1 0 0] C =
0 1 0 0 2 F = [0 0]
0 0 1 0 0 1 0 0 1
0 0 0 1 −1/3
0 0 0 1 0 0
[0 0 0 0 √2 ]

0 1 1 −1 0 0 0 1 1
B=[0 0 1 0.5 −3 0] E = [0 2 3]
0 0 0 0 0 1 0 0 1

Solución de un sistema de ecuaciones con el método de Gauss

El método de Gauss, para resolver sistemas de ecuaciones, propone utilizar
matrices para hallar un sistema equivalente al inicial mediante los siguientes pasos:
• Encontrar la matriz aumentada del sistema.
• Llevar la matriz aumentada del sistema a la forma escalonada.
• Extraer el sistema equivalente de la nueva matriz
• Resolver el nuevo sistema de ecuaciones que se forma.

Ejemplo 2.12 (Retomando este ejemplo)

En cada uno se los sistemas de ecuaciones siguientes, encuentre:
a. La forma matricial del sistema de ecuaciones lineales.
b. Encuentre la matriz aumentada sistema de ecuaciones lineales, y realice la
transformación que sea necesario para llegar al sistema lineal.
c. Utilice eliminación gaussiana para solucionar cada uno de los siguientes
sistemas de ecuaciones, y diga si el sistema es consistente o inconsistente.
1 1 1
2𝑥 − 3𝑦 + 2𝑧 = 0 𝑥 + 2𝑦 = 9 𝑥− 𝑦+ 𝑧=5
3 2 6
5𝑥 − 8𝑦 − 3𝑧 = 0 2𝑥 − 4𝑦 = 2 1
𝑥+𝑦+𝑧 =0 − 𝑥 − 8𝑦 − 2𝑧 = 4
3
1 1 1
𝑥 + 𝑦 + 𝑧 = −1
2 6 3
15

Ejemplo 2.15
Para el sistema de ecuaciones dado, resuelva:
a. Encuentre la matriz de coeficientes del sistema.
b. Exprese el sistema de ecuaciones lineales en forma matricial.
c. Encuentre la matriz aumentada del sistema de ecuaciones lineales, y utilice
el método de Gauss para llevarla a su forma escalonada.
d. Encuentre el sistema de ecuaciones equivalente al sistema dado
inicialmente.
e. Halle todas las soluciones para el sistema de ecuaciones.
2𝑥1 + 3𝑥2 − 𝑥3 = 0
3𝑥1 + 10𝑥2 − 5𝑥3 = 1
−3𝑥1 + 𝑥2 − 2𝑥3 = 1

2.4.2 Método de Gauss-Jordan

Matriz escalonada reducida

Se dice que una matriz está en forma escalonada reducida si está en forma
escalonada y además sólo hay ceros por encima de los pivotes.

1 0 5 0 0
1 3 0 2
0 0 0 0 0 1 0 2 0
1 0
𝐴=[ ] 𝐶 = [0 0 1 0] F = 0 1 0 0 2 𝐵 = [0 1 0 0]
0 1 0 0 0 0
0 0 0 1 0 0 0 0 1
0 0 0 0 [0 0 0 0 1]

1 0 0 0 0 1 −2 0 0 0
𝐷 = [0 1 0 0] E = [0 0 0 0 −3 0]
0 0 1 1 0 0 0 1 0 1

Solución de un sistema de ecuaciones con Gauss - Jordan

El método de Gauss-Jordan, para resolver sistemas de ecuaciones, consta de los
siguientes pasos:
16

• Encontrar la matriz aumentada del sistema de ecuaciones.

• Utilizar operaciones entre filas para llevar la matriz aumentada a la forma
escalonada Reducida.
• Leer la solución directamente de la matriz equivalente encontrada, o
parametrizar si así lo requiere la solución.

Ejemplo 2.16
Utilice Gauss-Jordan para solucionar cada uno de los siguientes sistemas de
ecuaciones.
3𝑥 + 5𝑦 = 4
𝑥 + 𝑦 + 5𝑧 = 4
2𝑥 + 6𝑦 = 6
𝑥 + 2𝑦 + 𝑧 + 𝑤 = 2
3𝑥 + 7𝑦 = 0

Ejemplo 2.17
Utilice Gauss-Jordan para solucionar cada uno de los siguientes sistemas de
ecuaciones.
2𝑥 + 5𝑦 + 𝑧 = 0 2𝑥1 + 3𝑥2 − 𝑥3 = 0
4𝑥 + 5𝑦 + 2𝑧 = 0 3𝑥1 + 10𝑥2 − 5𝑥3 = 1
6𝑥 − 𝑦 + 3𝑧 = 0 −3𝑥1 + 𝑥2 − 2𝑥3 = 1

Sistemas Homogéneos
Un sistema de ecuaciones es homogéneo sii todos sus términos independientes son
iguales a cero.

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ +𝑎1𝑛 𝑥𝑛 = 0

𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ +𝑎2𝑛 𝑥𝑛 = 0
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ +𝑎3𝑛 𝑥𝑛 = 0
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ +𝑎𝑚𝑛 𝑥𝑛 = 0
Puede escribirse en forma matricial, así: 𝑨𝑿 = 𝟎

Teorema 1
Todo sistema de ecuaciones lineales homogéneo (𝑨𝑿 = 𝟎) es consistente.
17

Note que en estos sistemas de ecuaciones el vector nulo siempre es solución. A

esta solución se le llamará la solución trivial del sistema, así 𝑨𝟎 = 𝟎, entonces 𝑿 =
𝟎 es la solución trivial.

Ejemplo 2.18
2
1. Si 𝒖 y 𝒗 son soluciones del sistema de ecuaciones 𝑨𝑿 = 𝒃 mostrar que 3 𝒖 +
1
𝒗 es solución del sistema de ecuaciones dado.
3
2. Determinar los valores de 𝝀 para que el sistema de ecuaciones lineales tenga
solución única, infinitas o ninguna solución
(𝜆 − 1)𝑥1 + 2𝑥2 = 0
𝑥1 + 𝜆𝑥2 = 0

Ejemplo 2.19
Se tienen 20 millones de pesos y se compran 20 animales. Una vaca cuesta 4
millones, un conejo cuesta 0.5 millones y una gallina 0.25 millones. Si se debe
comprar al menos un animal de cada especie, ¿cuántos animales de cada especie
hay que comprar?

Ejemplo 2.20
Usando comandos de CalMatrix, hallar el menor entero positivo 𝑘 que satisface la
igualdad 𝐴𝑘 = 𝐴𝑘−1 con:
0.4 0.0 0.1
A = [0.2 0.5 0.3]
0.4 0.5 0.6

Ejemplo 2.21
Encuentre los valores de x, y z, si existe, que garanticen que la matriz dada satisfaga
la condición dada.
C Simétrica
𝑤 5 − 3𝑧 − 𝑤 0 𝑥 𝑥−𝑦
2𝑥 − 𝑦 √5 − 2𝑧 0 1/2
𝐂= 0 3𝑥 𝑥+𝑧 0 2
𝑥 0 0 1 0
[ 𝑧−2 1/2 2 0 √2 ]
18

D Antisimétrica
𝒙−𝒛 𝟏 𝟏
𝟑
𝐃 = [ −𝟏 𝒚−𝒙 −𝟐 ]
𝟑
−𝟏 𝟐−𝒙
𝟐

2.5 MATRIZ INVERSA

Matriz no singular o Invertible

Una matriz A de orden 𝑛 × 𝑛 es llamada no singular (o matriz invertible) si y solo sí
existe una matriz B de orden 𝑛 × 𝑛 tal que:
𝐴 × 𝐵 = 𝐵 × 𝐴 = 𝑰𝑛
La matriz B que satisface la condición anterior se denomina la inversa de A, y se
denota por 𝐴−1 .

Ejemplo 2.21
Para las matrices dadas resuelva: 𝐴 × 𝐵, 𝐵 × 𝐴 e indique qué relación hay entre B
yA
1 1
2 1
𝐴=[ ]; 𝐵 = [3 3]
1 −1 1 −2
3 3
Teorema:
Si una matriz tiene inversa, la inversa es única.

Ejemplo 2.23
1 −2
Utilice la definición de matriz inversa para hallar 𝐴−1 dada la matriz 𝐴 = [ ]
1 2

Ejemplo 2.24
Utilice la definición de matriz inversa para hallar B −1 dada la matriz
19

−1 0 1
𝐵 = [2/3 1/2 0 ]
0 1/2 −1/2

Método para encontrar la inversa de una matriz

Sea A una matriz de orden 𝑛, para encontrar la inversa de 𝐴, si existe, siga los
siguientes pasos:
1. Encuentre la matriz 𝐴 aumentada en la Identidad de orden 𝑛. [𝐴|𝑰𝑛 ]
2. Lleve, mediante operaciones entre filas, la matriz del item anterior a su forma
escalonada reducida. [𝐷|𝐶]
3. Si 𝑫 = 𝑰𝑛 entonces 𝐶 = 𝐴−1

Ejemplo 2.25
Encuentre, si existe, la inversa de las siguientes matrices.
1/2 1 0
A=[ 0 2 0]
√2 0 −1
1/2 0 1 0
2/3 1 1/3 −1
B=[ ]
0 5/2 0 −1
3/2 0 −1/2 2

Ejemplo 2.26
En cada caso diga qué tipo de matriz es, y seguidamente encuentre, si existe, la
inversa.
20

Propiedades de la matriz inversa

a. Si A es una matriz no singular, entonces 𝐴−1 es no singular, y (𝐴−1 )−1 = 𝐴
1
b. Si A es una matriz no singular y 𝛼 un escalar, entonces (𝛼𝐴)−1 = 𝛼 𝐴−1

c. Si A y B son matrices no singulares, entonces (𝐴𝐵)−1 = 𝐵 −1 𝐴−1

d. Si A es una matriz no singular, entonces (𝐴𝑇 )−1 = (𝐴−1 )𝑇 .

NOTA: En general, si 𝐴1 , 𝐴2 , … , 𝐴𝑟 son matrices no singulares de orden n,

entonces su producto es no singular, y
(𝐴1 × 𝐴2 × … × 𝐴𝑟 )−1 = (𝐴𝑟 )−1 × (𝐴𝑟−1 )−1 × (𝐴𝑟−2 )−1 … (𝐴1 )−1

Teorema 2.
Sean A y B son matrices de orden n, entonces 𝐴 × 𝐵 = 𝑰𝑛 , si y solamente si 𝐵 × 𝐴 = 𝑰𝑛

Teorema 3.
Una matriz A de orden n es no singular, sii es equivalente por filas a la matriz
identidad (𝑰𝑛 )

Ejemplo 2.27
Utilice el Calmatrix para hallar la inversa de A dada por:
4 10 8 8 −4 10 8 8
24 52 53 43 2 52 71 43
2 18 14 28 0 18 63 28
𝐴 = 32 128 34 91 3 68 34 91
4 10 8 8 4 10 8 8
48 52 53 43 24 52 53 43
20 18 33 45 20 18 84 36
[ 32 89 94 91 32 158 34 99]

2.6 Sistemas de ecuaciones e Inversa

Sea A una matriz de orden n, y sea 𝐴𝑿 = 𝒃 un sistema de ecuaciones lineales.

21

Si A es una matriz no singular, entonces existe 𝐴−1 y la solución al sistema de

ecuaciones está dado por:
𝑿 = 𝐴−1 𝐛

Ejemplo 2.28
2 −1
Dada la matriz no singular 𝐴 = [ ] encuentre la solución al sistema de
5 3
3 1
11 11 3 𝑥1
ecuaciones 𝐴𝑿 = 𝒃 si se tienen que: 𝐴−1 = [−5 2 ]; 𝒃 = [ ]; 𝑿 = [𝑥 ].
2 2
11 11

Teorema 4
Sea A una matriz de orden n.
1. El sistema de ecuaciones homogéneo 𝐴𝑿 = 𝟎 tiene una solución no trivial sii
A es una matriz singular (A NO tiene inversa).

2. El sistema de ecuaciones 𝐴𝑿 = 𝒃 tiene única solución sii A es una matriz no

singular (A SI tiene inversa).

Equivalencias de matrices no singulares

Las siguientes afirmaciones son equivalentes
A es no singular (Tiene inversa)
𝑿 = 𝑶 es la única solución del sistema 𝐴𝑿 = 𝑶
A es equivalente por filas a la matriz identidad In
𝐴𝑿 = 𝒃 tiene solución única
22

2.7 Problema de Aplicación

Ejemplo 2.29
Un ebanista fabrica sillas, mesas para café y mesas para comedor. Se necesitan
10 minutos para lijar una silla, 6 para pintarla y 12 para barnizarla. Se requieren 12
minutos para lijar una mesa para café, ocho para pintarla y 12 para barnizarla. Son
necesarios 15 minutos para lijar una mesa para comedor, 12 para pintarla y 18 para
barnizarla. El centro de lijado está disponible 16 horas a la semana. El de pintura
11horas a la semana y el de barnizado 18 horas. ¿Cuántas unidades de cada
mueble deben fabricarse por semana de modo que las mesas de trabajo se utilicen
a toda su capacidad?

2.7.1 Problemas de Redes

Ejemplo 2.30 (problema de redes)

El siguiente diagrama presenta el tráfico (en vehículos por hora) a través de una red
de calles de un sentido con vehículos que entran y salen de las intersecciones. Las
fechas a lo largo de la calle indican la dirección del flujo del tráfico, y sea 𝑥𝑖 el número
de vehículos que circulan por la calle 𝑖.

a. Resolver el sistema para 𝑥𝑖 , i = 1; 2; … ;4

b. Suponiendo que todos los flujos son no negativos ¿Cuál es el máximo valor
posible para 𝑥3 ?

2.7.2 Análisis de regresión de mínimos cuadrados

Dado un conjunto de puntos (𝑥1 , 𝑦1 ); (𝑥2 , 𝑦2 ); ⋯ ; (𝑥𝑛 , 𝑦𝑛 ), se busca determinar la
ecuación de la recta que mejor se ajusta puntos dados.
23

Pero la función lineal es de la forma: 𝑓(𝑥) = 𝑎 + 𝑏𝑥

Luego, para hallar la recta de interés, se deben hallar los valores 𝑎, y 𝑏 que
garanticen la recta optima.
En este caso, se utilizará el método de mínimos cuadrados para determinar la recta
óptima para el conjunto de puntos dados.

Pero la recta hallada no pasa necesariamente por todos los puntos dados, por lo
tanto, se genera un error con la diferencia entre 𝑓(𝑥) = 𝑎 + 𝑏𝑥 y 𝑦, así:

𝑦1 − 𝑓(𝑥1 ) = 𝑒1 𝑦1 = (𝑎 + 𝑏𝑥1 ) + 𝑒1

𝑦2 − 𝑓(𝑥2 ) = 𝑒2 𝑦2 = (𝑎 + 𝑏𝑥2 ) + 𝑒2

⋮ ⋮

𝑦𝑛 − 𝑓(𝑥𝑛 ) = 𝑒𝑛 𝑦𝑛 = (𝑎 + 𝑏𝑥𝑛 ) + 𝑒𝑛

De las ecuaciones anteriores se genera un sistema de 𝑛 ecuaciones con dos

incógnitas (𝑎 𝑦 𝑏), que matricialmente se puede expresar así:
𝒀 = 𝑿𝐴 + 𝐸
24

Donde,
𝑦1 1 𝑥1 𝑒1
𝑦2 1 𝑥2 𝑎 𝑒2
𝒀 = [ ⋮ ]; 𝑿=[ ]; 𝐴 = [ ]; 𝑬 = [ ⋮ ];
⋮ ⋮ 𝑏
𝑦𝑛 1 𝑥𝑛 𝑒𝑛

Se sigue los coeficientes de la línea de regresión de mínimos cuadrados están

dados por la siguiente expresión matricial.
𝑨 = (𝑿𝑡 𝑿)−1 𝑿𝑡 𝒀

Ejemplo 2.31
Hallar la línea de regresión de mínimos cuadrados que mejor ajusta los puntos:
(1,1); (2,2); (3,4); (4,4).

Suma de cuadrados del Error (SCE)

La suma cuadrados del error está dada por:
𝑆𝐶𝐸 = 𝑒1 2 + 𝑒2 2 + ⋯ + 𝑒𝑛 2

[𝑦1 − 𝑓(𝑥1 )]2 + ⏟

𝑆𝐶𝐸 = ⏟ [𝑦2 − 𝑓(𝑥2 )]2 + ⋯ + ⏟
[𝑦𝑛 − 𝑓(𝑥𝑛 )]2
𝑒1 𝑒2 𝑒𝑛

Se tiene entonces que la suma de cuadrados del error es: 𝑆𝐶𝐸 = 𝑬𝑡 𝑬

Ejemplo 2.31 (retomando este ejemplo)

Hallar la SCE para la línea de regresión de mínimos cuadrados del problema 2.31:
(1,1); (2,2); (3,4); (4,4).

Ejemplo 2.32
Una compañía de seguros considera que el número de vehículos que circulan por
una determinada autopista a más de 120 km/h puede estar en función lineal del
número de accidentes que ocurren en ella. Durante 5 días se obtuvieron los
siguientes datos:
Encuentre la función lineal que relaciona las variables dadas. Halle también la suma
de cuadrados del error (SCE).
25

2.7.3 Interpolación Polinomial

Dado un conjunto de n puntos (𝑥1 , 𝑦1 ); (𝑥2 , 𝑦2 ) ⋯ (𝑥𝑛 , 𝑦𝑛 ) es posible encontrar un
polinomio de grado n-1 que interpole los puntos, es decir, un polinomio que pase
por los n punto.
Para determinar este polinomio, se deben hallar los coeficientes 𝑎1 ; 𝑎2 ; ⋯ 𝑎𝑛 , tales
que:

𝑦 = 𝑓(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 + ⋯ 𝑎𝑛−1 𝑥 𝑛−1

Al evaluar cada uno de los puntos (𝑥1 , 𝑦1 ); (𝑥2 , 𝑦2 ) ⋯ (𝑥𝑛 , 𝑦𝑛 ) en la función polinomial
se encuentra el siguiente sistema de ecuaciones lineales:

𝑓(𝑥1 ) = 𝑦1 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥1 2 + 𝑎3 𝑥1 3 + ⋯ 𝑎𝑛−1 𝑥1 𝑛−1

𝑓(𝑥2 ) = 𝑦2 = 𝑎0 + 𝑎1 𝑥2 + 𝑎2 𝑥2 2 + 𝑎3 𝑥2 3 + ⋯ 𝑎𝑛−1 𝑥2 𝑛−1

𝑓(𝑥𝑛 ) = 𝑦𝑛 = 𝑎0 + 𝑎1 𝑥𝑛 + 𝑎2 𝑥𝑛 2 + 𝑎3 𝑥𝑛 3 + ⋯ 𝑎𝑛−1 𝑥𝑛 𝑛−1

La forma matricial del sistema de ecuaciones está dada por: 𝑿 𝑨= 𝒀

Donde:

1 𝑥1 𝑥1 2 𝑥1 𝑛−1 𝑎0 𝑦0
1 𝑥2 𝑥2 2 𝑥2 𝑛−1 𝑎1 𝑦1
𝑿= 𝑨=[ ⋮ ] 𝒀=[⋮]
⋮ ⋮ ⋯ ⋮
[1 𝑥𝑛 𝑥𝑛 2 𝑥𝑛 𝑛−1 ] 𝑎𝑛 𝑦𝑛

Ejemplo 2.33
Determine el polinomio de grado dos que pasa por los puntos, (1,-1), (-2,-8), (2,8).
26

Ejemplo 2.34
Según los datos del censo de población de los E.U. A., la población de los Estados
Unidos en 1990 era de 249 millones, en el 2000 de 281 millones, y 309 millones en
2010. Ajuste un polinomio que pase por estos puntos y utilice el resultado para
predecir la población en 2020 y 2030.

2.7.4 Criptografía
Un criptograma es un mensaje escrito de acuerdo con un código secreto. ( Viene
del griego kryptos que significa Oculto).
Para encriptar un mensaje:

• se debe iniciar por asignarle un número a cada letra del alfabeto, y el 0

representará un espacio.

• Posteriormente, se procede a llevar el mensaje a números.

• Una vez numerado el mensaje, se divide en matrices filas sin codificar, cada
una con n elementos.
• Para codificar el mensaje seleccione una matriz A no singular de orden n.
• Posteriormente multiplique a derecha las matrices fila sin codificar por la
matriz A para obtener matrices fila codificadas
27

Ejemplo 2.35
Codifique el mensaje: “HOY SOY FELIZ”

Para decodificar el mensaje se requiere conocer la inversa de la matriz A (𝐴−1), y

basta con multiplicar las filas codificadas de longitud n por la inversa de A

• Mensaje Codificado: 18 -27 71 -4 -11 53 31 13 56 2 -1 43 26 26 52

• Formar Filas de 1x3: [18 -27 71] [-4 -11 53] [31 13 56] [2 -1 43] [26 26 52]
• Multiplicar las filas por la inversa de A, (𝐴−1)

Ejemplo 2.36
Utilice la inversa de A en el ejemplo anterior para decodificar el siguiente mensaje:
20 -20 30 10 -5 15 17 2 29 36 -1 63 -9 19 38

Ejemplo 2.37
Utilice el Calmatrix para encriptar el siguiente mensaje. Utilice una matriz de orden
4.
“Recuerden que el trabajo dos es para entregar el cuatro de abril.”