Facultad de Ingeniera Qumica

APUNTE MATEM

ATICA A
CAP

ITULO 1
PRIMERA VERSI

ON (borrador)
1
CAPTULO 1
VECTORES, MATRICES Y SISTEMAS
1. VECTORES Y MATRICES - PRIMERA PARTE
1.1. INTRODUCCION INTUITIVA A LOS VECTORES. El comedor de una escuela adquiere
diariamente diversos productos. El da lunes compra 12 Kg de carne, 3 docenas de huevos, 15 Kg de pan, 2
bolsas de papas y 10 litros de leche; el da martes 5 Kg de carne, 6 docenas de huevos, 10 Kg de pan, 3 bolsas
de papas y 15 litros de leche; el miercoles 15 Kg de carne, 5 docenas de huevos, 13 Kg de pan, 1 bolsa de papas
y 20 litros de leche.
Es claro que, si se conviene con el proveedor que el pedido se realiza en una lista conservando el orden de
los productos, no sera necesario repetir el nombre ni la unidad de medida de las distintas mercancas. As por
ejemplo se podran haber enviado las siguientes listas:
Lunes : 12, 3, 15, 2, 10
martes: 5, 6, 10, 3, 15
miercoles: 15, 5, 13, 1, 20
En este convenio es fundamental respetar el orden, si por ejemplo el jueves pide:
jueves: 13, 2, 4, 16, 12
recibira 4 kilos de pan y 16 bolsas de papas, aunque haya estado pensando en 16 kilos de pan y 4 bolsas de
papas.
Listas como las anteriores en las que el orden es primordial aparecen muy frecuentemente en la vida diaria.
Otro ejemplo es cuando se anuncian los premios de una lotera, si el resultado del sorteo es:
Primer premio 35.089, segundo premio 10.793, tercer premio 3.539.
Podra exhibir un pizarron con la lista:
35.089
10.793
3.539
la cual sera entendida perfectamente. Estas situaciones son modeladas en matematica bajo el nombre de
vectores. En el caso del comedor se tienen los vectores
lunes : (12, 3,15, 2, 10)
martes: (5, 6, 10, 3, 15)
miercoles: (15, 5, 13, 1, 20)
En el caso de lotera:
_
_
35.089
10.793
3.539
_
_
Los primeros se denominan vectores las, el ultimo se llama vector columna.
IGUALDAD. Supongamos que para el jueves se pide que se enve la misma orden que se pidio el martes,
claramente se recibira:
jueves: 5, 6, 10, 3, 15
resultando el vector:
jueves: (5, 6, 10, 3, 15)
3
4 1. VECTORES, MATRICES Y SISTEMAS
M

ULTIPLO. Si el viernes se ordena el doble del pedido del lunes, se recibira:

viernes : 24, 6, 30, 4, 20
En terminos de vectores
viernes : ( 24, 6, 30, 4, 20)
SUMA. Supongamos que se quiere saber el consumo del comedor en los tres das, se puede ver que este
resultar a de sumar las cantidades correspondientes a cada producto, es decir:
(12 + 5 + 15, 3 + 6 + 5, 15 + 10 + 13, 2 + 3 + 1, 10 + 15 + 20)
resultando el vector
(32, 14, 38, 6, 45)
PRODUCTO ESCALAR. El proveedor avisa que el precio del Kg de carne es de $8, de la docena de huevos
es de $ 1.50, el Kg de pan cuesta $ 2, la bolsa de papas $ 30 y el litro de leche $ 1.30. Cual sera el costo de la
orden del lunes? Multiplicando la cantidad ordenada de cada producto por su precio se tiene:
Costo de la orden del lunes:
8 12 + 1.50 3 + 2 15 + 30 2 + 1.30 10 = 203.5
Del mismo modo, el precio del pedido del martes es:
Costo de la orden del martes:
8 5 + 1.50 6 + 2 10 + 30 3 + 1.30 15 = 178.5
Se puede ver que la operacion que se esta efectuando es el producto de cada componente de los respectivos
vectores orden por la componente correspondiente del vector precio:
(8, 1.50, 2, 30, 1.30)
Esta operacion es llamada el producto escalar de vectores.
Haciendo un resumen de los procedimientos que se han empleado usando simplemente el sentido com un y
el lenguaje cotidiano, se tiene que
La igualdad de vectores se produce cuando cada componente es igual a su respectiva, es decir a la que esta
en la misma posicion.
El m ultiplo de un vector se obtiene multiplicado cada componente.
La suma de vectores se efect ua componente a componente.
El producto escalar de vectores se obtiene sumando el producto de las componentes correspondientes.
1.2. INTRODUCCI

ON INTUITIVA A LAS MATRICES. Podramos hacer de una vez las ordenes

para toda la semana enviando la siguiente lista
_

_
12 3 15 2 10
5 6 10 3 15
15 5 13 1 20
5 6 10 3 15
24 6 30 4 20
_

_
donde ahora no solo se sobreentiende el producto y la unidad sino tambien el da del pedido, correspondiendo
cada lista horizontal (llamada la) al da respectivo de la semana: la primera al lunes, la segunda al martes y
as sucesivamente.
Un ordenamiento rectangular como el anterior se llama matriz, en este problema particular podemos
referirnos a el como la matriz de las ordenes diarias.
1. VECTORES Y MATRICES - PRIMERA PARTE 5
Podemos tambien condensar en una sola lista la informacion sobre el costo diario de las ordenes,
_

_
203.5
178.5
209.5
178.5
407
_

_
donde cada elemento del vector columna se obtuvo de multiplicar el vector la correspondiente de la matriz de
las ordenes diarias por el vector precio.
Se puede dar un paso mas en la consideracion de esta situacion, considerando el caso en que haya un segundo
proveedor que ofrezca los precios dados por el siguiente vector
(7, 1.60, 2, 35, 1.20)
Haciendo el producto escalar de este vector con los vectores las de la matriz de ordenes diarias, la lista de
costos diarios para toda la semana con el segundo proveedor resulta:
_

_
180.8
187.6
198.0
187.6
361.6
_

_
Es costumbre poner todo esto en la siguiente forma condensada
_

_
12 3 15 2 10
5 6 10 3 15
15 5 13 1 20
5 6 10 3 15
24 6 30 4 20
_

_
_

_
8 7.0
1.5 1.6
2 2.0
30 35
1.3 1.2
_

_
=
_

_
203.5 180.8
178.5 187.6
209.5 198.0
178.5 187.6
407.0 361.6
_

_
El primer ordenamiento es la matriz de las ordenes, el segundo es una matriz con 5 las y dos columnas, formada
por los vectores de los precios y el tercero son los costos diarios obtenidos multiplicando las ordenes por los
precios.
1.3. FORMALIZACI

ON.
1.3.1. VECTOR DE N COMPONENTES. Llamamos as a un conjunto ordenado de n n umeros reales.
A este conjunto lo podemos escribir de dos formas:
(u
1
, u
2
, , u
n
)
en cuyo caso hablamos de un vector la o
_
_
_
_
_
u
1
u
2
.
.
.
u
n
_
_
_
_
_
en cuyo caso hablamos de un vector columna.
Si todas las componentes de un vector son iguales a cero a este se lo denomina vector nulo
O = (0, 0, , 0)
Ejemplo 1.1. (3, 2, 6) vector de 3 componentes,
(2, 5, 0, 4) vector de 4 componentes.
El conjunto de todos los vectores de n componentes se simboliza IR
n
.
6 1. VECTORES, MATRICES Y SISTEMAS
1.3.2. SUMA DE VECTORES. Denicion: Sean u y v dos vectores de n componentes. Denimos
a la suma entre ellos como otro vector de n componentes tal que cada una de ellas se obtiene sumando las
componentes que ocupan igual posicion en los vectores.
Ejemplo 1.2. Dado: u = (3, 2, 3) y v = (2, 2, 6)
Su suma es: u +v = (3, 2, 3) + (2, 2, 6) = (3 + 2, 2 + 2, 3 + (6)) = (5, 4, 3)
1.3.3. PRODUCTO DE UN ESCALAR POR UN VECTOR. Denicion: Sean un escalar y u
un vector de n componentes. Denimos al producto entre el escalar y el vector como un nuevo vector de n
componentes, cada de las cuales se obtiene multiplicando la correspondiente del vector dado por el escalar
Ejemplo 1.3. Dado: = 3 y u = (1, 2, 3)
u = (3 1, 3 2, 3 3) = (3, 6, 9)
1.3.4. PRODUCTO ESCALAR DE DOS VECTORES. Este producto entre vectores se llama as
porque el resultado es un escalar.
Denici on: Sean u y v dos vectores de n componentes. Denimos el producto escalar entre ellos de la
siguiente manera:
(u
1
, u
2
, , u
n
).(v
1
, v
2
, , v
n
) = u
1
v
1
+ u
2
v
2
+ + u
n
v
n
(3, 2, 5).(4, 6, 3) = 3 4 + 2 6 + 5 3 = 39
1.3.5. PROPIEDADES DEL PRODUCTO ESCALAR. Si u, v, w son vectores de n componentes, y
es un escalar:
(1) (u).b = (u.v)
(2) u.0 = 0 , siendo 0 el vector nulo.
(3) u.v = v.u
(4) u.(v + w) = u.v + u.w
1.3.6. MATRICES DE TAMA

NO nm ( u orden nm). Denicion: Llamamos as a todo conjunto

de n umeros ordenados en n las (horizontales) y m columnas (verticales):
A =
_

_
a
1,1
a
1,2
a
1,m
a
2,1
a
2,2
a
2,m
.
.
.
.
.
.
.
.
.
.
.
.
a
n,1
a
n,2
a
n,m
_

_
Denotaremos a las matrices con letras may usculas de imprenta, cada
elemento tiene dos subndices: el primero indica la la donde esta el elemento, el segundo indica la columna.
Ejemplo 1.4.
B =
_
_
2 3 5
6 1 0
5 7 8
_
_
algunos elementos son: a
1,1
= 2, a
2,3
= 0, a
3,2
= 7
1.3.7. MATRIZ CUADRADA. Denicion: una matriz es cuadrada si la cantidad de las coincide con
la cantidad de columnas.
1.3.8. MATRIZ NULA. Denicion: es la matriz que tiene todos sus elementos iguales a cero.
1.3.9. IGUALDAD DE MATRICES. Denicion: Dos matrices son iguales si y solo si
(1) tienen el mismo tama no
(2) los elementos que ocupan igual posicion son iguales entre s.
Ejemplo 1.5.
_
_
a b c
d e f
g h i
_
_
=
_
_
l m n
o p q
r s t
_
_
1. VECTORES Y MATRICES - PRIMERA PARTE 7
s y solamente s
a=l b=m c=n
d=o e=p f=q
g=r h=s i=t
Por otra parte,
_
1 3
4 5
_
=
_
_
2 3
4 5
3 4
_
_
,
pues tienen distinto tama no. Asimismo,
_
2 3
4 5
_
=
_
2 3
4 8
_
,
pues 5 = 8
1.3.10. SUMA DE MATRICES. Dos matrices se pueden sumar si tienen el mismo tama no. El resultado
de la misma es otra matriz del mismo tama no que se obtiene sumando los elementos que estan en la misma
posicion.
Ejemplo 1.6.
_
3 6
7 1
_
+
_
2 7
4 2
_
=
_
5 13
11 3
_
Si A y B son dos matrices de tama no nxm entonces:
A+B = C c
i,j
= a
i,j
+b
i,j
, i = 1, , n; j = 1, , m
En esta ultima notacion queremos indicar que el primer subndice i toma todos los valores enteros com-
prendidos entre 1 y n, mientras que el segundo, j, todos los valores enteros entre 1 y m.
1.3.11. PRODUCTO DE UN ESCALAR POR UNA MATRIZ. Para multiplicar un escalar (n umero
real) por una matriz basta con multiplicar cada elemento de la matriz por dicho escalar. A los escalares los
simbolizaremos con letras griegas.
Ejemplo 1.7.

_
a b
c d
_
=
_
a b
c d
_
Si A es una matriz de tama no n m
A = B b
i,j
= a
i,j
i = 1, , n; j = 1, , m.
1.3.12. PROPIEDADES DE OPERACIONES CON MATRICES.
(1) A + O = A , siendo O la matriz nula.
(2) 0.A = O,
(3) A + B = B + A,
(4) (A + B) + C = A + (B + C),
(5) (A + B) = A + B,
(6) 1.A = A,
(7) ( + )A = A + A.
Veamos la demostracion de la tercera propiedad:
Consideremos que las matrices A y B son de tama no mn.
A + B =
_

_
a
1,1
+ b
1,1
a
1,2
+ b
1,2
a
1,n
+ b
1,n
a
2,1
+ b
2,1
a
2,2
+ b
2,2
a
2,n
+ b
2,n
.
.
.
.
.
.
.
.
.
.
.
.
a
m,1
+ b
m,1
a
m,2
+ b
m,2
a
m,n
+ b
m,n
_

_
8 1. VECTORES, MATRICES Y SISTEMAS
=
_

_
b
1,1
+ a
1,1
b
1,2
+ a
1,2
b
1,n
+ a
1,n
b
2,1
+ a
2,1
b
2,2
+ a
2,2
b
2,n
+ a
2,n
.
.
.
.
.
.
.
.
.
.
.
.
b
m,1
+ a
m,1
b
m,2
+ a
m,2
b
m,n
+ a
m,n
_

_
= B + A.
Todas las propiedades se pueden demostrar de manera similar utilizando las deniciones dadas y las
propiedades de operaciones con reales.
1.3.13. PRODUCTO DE MATRICES. Para que dos matrices puedan multiplicarse debe cumplirse
que la cantidad de columnas de la primera matriz coincida con la cantidad de las de la segunda. El producto
es una matriz que tiene tantas las como la primera y tantas columnas como la segunda.
Mostremos en un ejemplo como se realiza el producto C = AB, siendo A una matriz de 3 2 y B una matriz
de 2 4
Ubicamos las matrices como se ve en el siguiente esquema:
_
b
11
b
12
b
13
b
14
b
21
b
22
b
23
b
24
_
_
_
a
11
a
12
a
21
a
22
a
31
a
32
_
_
_
_
a
11
b
11
+ a
12
b
21
a
11
b
12
+ a
12
b
22
a
11
b
13
+ a
12
b
23
a
11
b
14
+ a
12
b
24
a
21
b
11
+ a
22
b
21
a
21
b
12
+ a
22
b
22
a
21
b
13
+ a
22
b
23
a
21
b
14
+ a
22
b
24
a
31
b
11
+ a
32
b
21
a
31
b
12
+ a
32
b
22
a
31
b
13
+ a
32
b
23
a
31
b
14
+ a
32
b
24
_
_
Notar que el elemento en la posicion (i,j) de la matriz producto C se obtiene como el producto escalar de
la la i de A y la columna j de B.
Se muestra como se obtuvo, por ejemplo,
c
1,1
= a
1,1
b
1,1
+ a
1,2
b
2,1
c
3,3
= a
3,1
b
1,3
+ a
3,2
b
2,3
Ejemplo: Sean A =
_
3 4 3
2 1 7
_
y B =
_
_
5 6 1
2 3 4
3 5 7
_
_
entonces AB=
_
_
5 6 1
2 3 4
3 5 7
_
_
_
3 4 3
2 1 7
_ _
32 45 40
33 50 55
_
1.3.14. PROPIEDADES DEL PRODUCTO DE MATRICES.
(1) Propiedad asociativa
Sean A
m.n
, B
n.p
y C
p.q
entonces:
ABC = (AB)C = A(BC)
y la matriz resultante es de orden m.q
(2) Propiedades distributivas
Si todas las sumas y productos siguientes estan denidos, entonces:
A(B + C) = AB + AC
(A + B)C = AC + BC
2. SISTEMAS DE ECUACIONES LINEALES 9
Como vemos no hemos hablado de la propiedad conmutativa del producto de matrices. Esto es as pues la
misma no se cumple.
Ejemplo 1.8. Si tenemos A
m.n
y B
n.p
podemos calcular AB pero no BA
Ejemplo 1.9. Sean A =
_
1 3
5 7
_
y B =
_
4 6
3 2
_
entonces AB =
_
13 12
41 44
_
y BA =
_
34 54
13 23
_
2. SISTEMAS DE ECUACIONES LINEALES
2.1. INTRODUCCI

ON. Recordemos que un sistema de dos ecuaciones con dos incognitas se expresa
como:
_
ax + by = c
dx + ey = f
Para encontrar su solucion, si existe, podemos:
i Multiplicar ambos miembros de una ecuacion por un n umero distinto de cero.
ii Sumar a una ecuacion un m ultiplo de otra.
iii Intercambiar el orden de las ecuaciones.
Sea el sistema
_
3x + 2y = 4
5x + 8y = 7
Veamos un metodo para resolverlo: Nuestro objetivo es construir un sistema equivalente (con solucion igual
al dado) tal que en la segunda ecuacion el coeciente de x sea cero. Podemos multiplicar ambos miembros de
la primera ecuacion por 5 y ambos miembros de la segunda por 3, obteniendo:
15x + 10y = 20
15x + 24y = 21
a la segunda le restamos la primera:
15x + 10y = 20
0 x + 14y = 1
o lo que es lo mismo, dividiendo ambos miembros de la primera ecuacion por 5:
3x + 2y = 4
14y = 1
a continuacion despejamos y de la segunda ecuacion, reemplazamos en la primera y despejamos x, con lo cual
hallamos los valores de ambas incognitas.
Veamos una forma mas corta de obtener este ultimo sistema: Analicemos como obtuvimos el 14 y el 1
de la segunda ecuacion.

Si observamos lo que hicimos antes vemos que: al 14 lo obtuvimos haciendo 8.3 5.2
y al 1 como 7.3 5.4. Veamos esto en un esquema. Como simplemente operamos los n umeros escribimos solo
los coecientes:
3 2 4
5 8 7
Marcamos el 3 al que llamamos pivote y que debe ser distinto de cero, y la la y columna que contienen
al pivote. Donde estaba el 5 sabemos que aparece un cero, para transformar el 8: multiplicamos el 8 por el
pivote y le restamos el producto de los n umeros marcados que estan en la misma la y columna del 8. Lo mismo
hacemos con el 7.
3 2 4 Hacemos 8 3 5 2
5 8 7 7 3 5 4
10 1. VECTORES, MATRICES Y SISTEMAS
y obtenemos:
3 2 4
0 14 1
2.2. FORMULACION MATRICIAL DE UN SISTEMA DE ECUACIONES. En el ejemplo
anterior hemos trabajado con los coecientes de las incognitas y los terminos independientes. Notemos que al
sistema anterior:
_
3x + 2y = 4
5x + 8y = 7
lo podemos escribir tambien como:
_
3 2
5 8
_
.
_
x
y
_
=
_
4
7
_
En general, si llamamos A a la matriz que formamos con los coecientes de las incognitas, debidamente alineadas,
con x al vector de las incognitas y con b al vector de los terminos independientes, podemos decir que a un sistema
de ecuaciones lo podemos escribir como
Ax = b
llamada formulacion matricial del sistema. A la matriz A se la llama matriz de coecientes del sistema
Cuando resolvamos el sistema, operamos con los elementos de A y de b, escribiendolos en un esquema de la
forma
(A|b)
llamada matriz ampliada
2.3. M

ETODO DE GAUSS. Dado un sistema de n ecuaciones y m incognitas, este metodo consiste en

obtener un sistema equivalente generando ceros por debajo de la diagonal que parte de a
1,1
. Cuando generamos
ceros debajo de a
1,1
, el pivote sera a
1,1
, cuando generamos ceros debajo de a
2,2
el pivote sera a
2,2
y as
sucesivamente. Recordemos que el pivote debe ser distinto de cero, por lo que si en la posicion de uno de
ellos aparece un cero, deberemos intercambiar las . Tomemos como ejemplo un sistema de ecuaciones de tres
ecuaciones y tres incognitas, procedemos de manera similar. Sea
_

_
2x + 3y + 4z = 5
6x + 10y + 2z = 16
9x + 3y + 5z = 12
Escribimos:
_
_
2 3 4 5
6 10 2 16
9 3 5 12
_
_
Por lo mismo que vimos antes cambiamos:
El 6 por cero.
El 10 por 10 2 6 3.
El 2 por 2 2 6 4.
El 16 por 16 2 6 5.
Obteniendo
_
_
2 3 4 5
0 2 20 2
9 3 5 12
_
_
Para obtener un cero donde esta el 9, razonamos igual que antes, solo que trabajamos con la tercera ecuacion
en lugar de la segunda, por lo que cambiamos :
El 9 por cero.
El 3 por 3 2 9 3.
El 5 por 5 2 9 4.
El 12 por 12 2 9 5.
2. SISTEMAS DE ECUACIONES LINEALES 11
Obteniendo:
_
_
2 3 4 5
0 2 20 2
0 -21 26 21
_
_
Como dijimos queremos tener ceros debajo de la diagonal principal, por lo que falta tener un cero debajo
de a
2,2
. Elegimos este elemento como pivote
Cambiamos
El 0 por 0 2 0 (21) (no se modica).
El -21 (el sombreado) por cero.
El -26 por (26) 2 (21) (20).
El -21 ( ultimo) por (21) 2 (21) 2.
Notemos que en este caso podemos facilitar los calculos ( antes de hacer ceros debajo de a
2,2
) recordando
que podemos multiplicar ambos miembros de una ecuacion por un mismo n umero no nulo. Si multiplicamos la
segunda por 0,5 (es decir dividimos por 2) y la tercera por (-1) obtenemos:
_
_
2 3 4 5
0 1 10 1
0 21 26 21
_
_
Y entonces cambiamos:
El 21 por cero.
El 26 por 26 1 21 (10).
El 21 por 21 1 21 1.
Obteniendo
_
_
2 3 4 5
0 1 10 1
0 0 236 0
_
_
Rearmando el sistema tenemos:
_

_
2x + 3y + 4z = 5
0x + 1y 10z = 1
0x + 0y + 236z = 0
2x + 3y + 4z = 5,
y + 10z = 1
236z = 0.
por lo que z = 0, reemplazamos z en la segunda ecuacion y obtenemos y = 1 reemplazamos z e y en la primera
ecuacion y obtenemos x = 1 que es la solucion de nuestro sistema.
El sistema visto tiene una unica solucion. Se dice que es compatible (o consistente) determinado.
Veamos ahora este sistema:
_

_
2x + 3y + 2z = 3
5x + y + 3z = 4
7x + 4y + 5z = 8
Apliquemos el metodo:
_
_
2 3 2 3
5 1 3 4
7 4 5 8
_
_
_
_
2 3 2 3
0 -13 4 7
0 13 4 5
_
_
_
_
2 3 2 3
0 13 4 7
0 0 0 26
_
_
12 1. VECTORES, MATRICES Y SISTEMAS
Rearmamos el sistema:
2x + 3y + 2z = 3,
13y 4z = 7
0z = 26.
Evidentemente no existe un valor de z tal que 0 z sea igual a -26, por lo tanto este sistema no tiene solucion y
recibe el nombre de incompatible o inconsistente.
Sea ahora:
_

_
3x + 4y + z = 2
5x + 14y + 5z = 10
x + 5y + 2z = 4
_
_
3 4 1 2
5 14 5 10
1 5 2 4
_
_
_
_
3 4 1 2
0 22 10 20
0 11 5 10
_
_
_
_
3 4 1 2
0 22 10 20
0 0 0 0
_
_
Rearmamos el sistema:
3x + 4y + z = 2,
22y + 10z = 20
0z = 0.
Como 0 z siempre es igual a cero, la tercera ecuacion se verica para cualquier valor de z, por lo que a z
le podemos asignar cualquier valor real t, y sustituyendo tenemos:
z = t,
y =
1
22
(20 10t),
x =
1
3
[2 t
4
22
(20 10t)],
como t es cualquier n umero real, tenemos innitas soluciones y el sistema se llama compatible o consistente
indeterminado.
2.4. M

ETODO DE GAUSS-JORDAN. Este metodo es similar al de Gauss, con la unica diferencia

que genera ceros por arriba y debajo de la diagonal, y luego divide a ambos miembros de cada ecuacion por su
pivote, obteniendo, si existe, la solucion en la columna de los terminos independientes
Por ejemplo si deseamos resolver el sistema de ecuaciones
_

_
2x + 3y + 4z = 5
6x + 10y + 2z = 16
9x + 3y + 5z = 12
por medio del metodo de Gauss-Jordan escribimos:
_
_
2 3 4 5
6 10 2 16
9 3 5 12
_
_
Primero podemos hacer ceros debajo de la diagonal (igual que hicimos en Gauss) quedando:
2. SISTEMAS DE ECUACIONES LINEALES 13
_
_
2 3 4 5
0 1 10 1
0 0 236 0
_
_
Ahora debemos hacer ceros arriba de la diagonal.Empecemos por el segundo pivote ( el 1 )
Cambiamos:
El 2 por 2 1 3 0.
El 3 por cero.
El 4 por 4 1 3 (10).
El 5 por 5 1 3 1.
Obteniendo
_
_
2 0 34 2
0 1 10 1
0 0 236 0
_
_
Debemos hacer un cero en donde esta el 34, para esto nuestro pivote sera el 236, en este caso podemos
previamente dividir la ultima la por 236 para que las operaciones sean mas simples:
_
_
2 0 34 2
0 1 10 1
0 0 1 0
_
_
Ahora para hacer un cero en donde se encuentra el 34 debemos transformar toda la la:
El 2 por 2 1 34 0.
El 0 por 0 1 34 0. ( queda en cero )
El 34 por cero
El 2 por 2 1 34 0.
Quedando
_
_
2 0 0 2
0 1 10 1
0 0 1 0
_
_
Por ultimo debemos hacer un cero en donde se encuentra el -10:
El 0 por 0 1 (10) 0. ( queda en cero )
El 1 por 1 1 (10) 0.
El -10 por cero
El 1 por 1 1 (10) 0.
Quedando
_
_
2 0 0 2
0 1 0 1
0 0 1 0
_
_
Dividimos ahora cada la por su pivote:
_
_
1 0 0 1
0 1 0 1
0 0 1 0
_
_
Si rearmamos el sistema queda:
_

_
x = 1
y = 1
z = 0
que es la solucion.
14 1. VECTORES, MATRICES Y SISTEMAS
2.5. SISTEMAS DE ECUACIONES HOMOGENEOS. Si todos los terminos independientes son
iguales a cero, el sistema recibe el nombre de homogeneo. Notemos que en este tipo de sistemas, si todas las
incognitas toman valor cero, las ecuaciones se satisfacen, por lo que siempre tiene, por lo menos, esta solucion,
llamada solucion trivial. Por lo tanto este tipo de sistemas puede ser compatible determinado o indeterminado,
pero nunca es incompatible.
3. MATRICES Y VECTORES -SEGUNDA PARTE
3.1. MATRIZ IDENTIDAD. Denicion: llamaremos matriz identidad a una matriz cuadrada que tiene
unos en la diagonal principal y los demas elementos son iguales a cero. La denotaremos: I
Ejemplo 3.1. Matriz identidad de 3 3
I =
_
_
1 0 0
0 1 0
0 0 1
_
_
Propiedad: Si A e I son del mismo orden, entonces:
AI = IA = A
Ejemplo 3.2. Ejercicio para el lector:
Verique esa propiedad para una matriz cualquiera A de orden 3 3.
3.2. MATRIZ INVERSA. Denicion: Sea A una matriz cuadrada. Diremos que la matriz cuadrada B,
del mismo orden que A, es la matriz inversa de A si se verica que:
AB = BA = I.
A la matriz B, inversa de A, la simbolizamos con A
1
.
3.2.1. METODO DEL ESPEJO.
Ejemplo 3.3. Supongamos que queremos calcular B, la matriz inversa de A, dada por:
A =
_
1 3
2 4
_
Buscamos una matriz
B =
_
a b
c d
_
tal que AB = I.
Planteamos
a b
c d
1 3 1 0
2 4 0 1
obteniendo,
a + 3c = 1
2a + 4c = 0
b + 3d = 0
2b + 4d = 1
Se observa que, si bien tenemos cuatro ecuaciones y cuatro incognitas, en realidad tenemos dos sistemas
independientes entre s de dos ecuaciones con dos incognitas cada uno, ya que las incognitas que aparecen en
las dos primeras ecuaciones no aparecen en la segunda y viceversa.
3. MATRICES Y VECTORES -SEGUNDA PARTE 15
Primer sistema:
_
a + 3c = 1
2a + 4c = 0
Esto es,
_
1 3
2 4
_ _
a
c
_
=
_
1
0
_
Segundo sistema:
_
b + 3d = 0
2b + 4d = 1
Es decir
_
1 3
2 4
_ _
b
d
_
=
_
0
1
_
.
La matriz de coecientes de ambos sistemas es la misma por lo que podemos resolverlos en forma simultanea
aplicando el metodo de Gauss- Jordan:

1 3 1 0
2 4 0 1
En la columna (*) tendremos las soluciones del primer sistema (valores de a y c) y en la columna (**) las
soluciones del segundo sistema (valores de b y d).
* **
1 3 1 0
2 4 0 1
1 3 1 0
0 -2 -2 1
-2 0 4 -3
0 -2 -2 1
1 0 -2 1,5
0 1 1 -0,5
Ejercicio para el lector: Vericar que la matriz hallada
_
2 1, 5
1 0, 5
_
es la inversa de A, es decir (AA
1
=
A
1
A = I).
Ejemplo 3.4. Sea
A =
_
1 3
2 6
_
.
Planteamos el mismo esquema:
* **
1 3 1 0
2 6 0 1
1 3 1 0
0 0 -2 1
Ambos sistemas equivalentes obtenidos
Primer sistema:
a + 3c = 1
0a + 0c = -2
Segundo sistema:
b + 3d = 0
0b + 0d = 1
Son incompatibles, por lo que no podemos hallar A
1
, lo que quiere decir que esta matriz no tiene matriz
inversa.
16 1. VECTORES, MATRICES Y SISTEMAS
De acuerdo a lo desarrollado en el ejemplo 3.3, vemos que para hallar la matriz inversa de una matriz A, si
existe, podemos realizar el siguiente procedimiento:
(1) Escribimos la matriz dada y a su derecha la matriz identidad del mismo orden.
(2) Aplicamos el metodo de Gauss-Jordan en forma simultanea a la matriz ampliada formada por ambas
matrices.
Al terminar el proceso la matriz dada se habra transformado en la matriz identidad y la matriz identidad
en la inversa de la matriz dada.
A este metodo, para hallar la inversa de una matriz, se lo llama Metodo del Espejo.
Observacion: Se puede probar que si bien hemos planteado solo AB = I, tambien se vericara que BA = I.
Teorema 3.5. Si una matriz A tiene inversa, esta es unica.
Demostraci on
Supongamos que B y C son inversas de la matriz A. Por denicion de matriz inversa se cumple que:
AB = BA = I (*)
AC = CA = I (**)
Ademas:
B = BI Por denicion de matriz identidad.
BI = B(AC) Por (**).
B(AC) = (BA)C Por propiedad asociativa del producto de matrices.
(BA)C = IC Por (*).
IC = C Por denicion de matriz identidad.
Por el caracter transitivo de la igualdad, conclumos que las matrices B y C son iguales, es decir que no
hay dos matrices inversas, ya que son iguales.
Teorema 3.6. Si A y B son matrices invertibles (que poseen inversa) del mismo orden, entonces:
(AB)
1
= B
1
A
1
.
Demostraci on
Planteamos:
(AB)(B
1
A
1
) = A(BB
1
)A
1
Por propiedad asociativa del
producto de matrices.
A(BB
1
)A
1
= AIA
1
Por denicion de matriz inversa.
AIA
1
= (AI)A
1
Por propiedad asociativa del
producto de matrices.
(AI)A
1
= AA
1
Por denicion de matriz identidad.
AA
1
= I Por denicion de matriz inversa.
Por el caracter transitivo de la igualdad, conclumos que (AB)(B
1
A
1
) = I, y por denicion de matriz
inversa, vemos que B
1
A
1
es la inversa de AB, es decir (AB)
1
= B
1
A
1
que es lo que queramos probar.
3.3. RELACION ENTRE LA SOLUCION DE UN SISTEMA DE ECUACIONES LINEALES
DE N ECUACIONES Y N INCOGNITAS Y LA INVERSA DE LA MATRIZ DE COEFI-
CIENTES. Sea Ax = b. Si A tiene inversa
podemos premultiplicar por ella
A
1
(Ax) = A
1
b
(A
1
A)x = A
1
b
Ix = A
1
b
x = A
1
b.
Por lo tanto, si existe la inversa de la matriz de coecientes la solucion del sistema se puede obtener como
A
1
b, y como la inversa es unica, la solucion del sistema tambien lo es.
La conclusion es entonces:
3. MATRICES Y VECTORES -SEGUNDA PARTE 17
Si la matriz de coecientes de un sistema de n ecuaciones con n incognitas tiene inversa, la
solucion del sistema es unica.
Determinante de una matriz cuadrada de 2 2
Dada una matriz A de 2 2, denimos su determinante
|A| =

a
1,1
a
1,2
a
2,1
a
2,2

= a
1,1
a
2,2
a
1,2
a
2,1
.
Teorema 3.7. Sea A de 2 2, entonces
(1) A tiene inversa s y solo s |A| = 0.
(2) A
1
=
2
4
a
2,2
a
1,2
a
2,1
a
1,1
3
5
|A|
Demostraci on
Consideramos una matriz de 2 2 y calculemos su inversa aplicando el metodo del espejo.
Si a
1,1
= 0
_
a
1,1
a
1,2
a
2,1
a
2,2

1 0
0 1
_
_
a
1,1
a
1,2
0 a
2,2
a
1,1
a
2,1
a
1,2

1 0
a
2,1
a
1,1
_
Por la denicion dada para determinante de 2 2 podemos escribir lo anterior:
_
a
1,1
a
1,2
0 |A|

1 0
a
2,1
a
1,1
_
Notemos aqu que para poder continuar debe ser |A| distinto de cero.
_
a
1,1
|A| 0
0 |A|

|A| + a
1,2
a
2,1
a
1,2
a
1,1
a
2,1
a
1,1
_
Notemos que:
|A| + a
1,2
a
2,1
= a
1,1
a
2,2
a
1,2
a
2,1
+ a
1,2
a
2,1
= a
1,1
a
2,2
.
Por lo que si dividimos la primera la por a
1,1
obtenemos:
_
|A| 0
0 |A|

a
2,2
a
1,2
a
2,1
a
1,1
_
_
1 0
0 1

a
2,2
/ |A| a
1,2
/ |A|
a
2,1
/ |A| a
1,1
/ |A|
_
.
Hemos obtenido entonces la matriz inversa de A:
A
1
=
_
a
2,2
/ |A| a
1,2
/ |A|
a
2,1
/ |A| a
1,1
/ |A|
_
=
_
a
2,2
a
1,2
a
2,1
a
1,1
_
|A|
Ahora si a
1,1
= 0 y a
2,1
= 0 deberemos intercambiar la primera la con la segunda, pues un cero no puede
ser pivote, quedando:
_
a
2,1
a
2,2
a
1,1
a
1,2

0 1
1 0
_
18 1. VECTORES, MATRICES Y SISTEMAS
_
a
2,1
a
2,2
0 a
1,2
a
2,1
a
2,2
a
1,1

0 1
a
2,1
a
1,1
_
Por la denicion dada para determinante de 2 2 podemos escribir lo anterior:
_
a
2,1
a
2,2
0 |A|

0 1
a
2,1
a
1,1
_
Si multiplicamos la segunda la por -1 :.
_
a
2,1
a
2,2
0 |A|

0 1
a
2,1
a
1,1
_
Para poder continuar debe ser nuevamente |A| distinto de cero.
_
a
2,1
|A| 0
0 |A|

a
2,1
a
2,2
|A| a
2,2
a
1,1
a
2,1
a
1,1
_
Notemos que:
|A| a
2,2
a
1,1
= a
1,1
a
2,2
a
1,2
a
2,1
a
2,2
a
1,1
= a
1,2
a
2,1
.
Por lo que si dividimos la primera la por a
2,1
obtenemos:
_
|A| 0
0 |A|

a
2,2
a
1,2
a
2,1
a
1,1
_
_
1 0
0 1

a
2,2
/ |A| a
1,2
/ |A|
a
2,1
/ |A| a
1,1
/ |A|
_
.
Hemos obtenido la misma expresion que es el caso anterior para la matriz inversa de A:
A
1
=
_
a
2,2
/ |A| a
1,2
/ |A|
a
2,1
/ |A| a
1,1
/ |A|
_
=
_
a
2,2
a
1,2
a
2,1
a
1,1
_
|A|
Ahora si a
1,1
y a
2,1
son nulos es obvio que la matriz no posee inversa y que su determinante es cero. Lo
mismo ocurrir si a
1,2
y a
2,2
son ambos nulos.
Ejemplo 3.8.
A =
_
1 3
2 4
_
|A| = 1 4 2 3 = 2,
A
1
= 0, 5
_
4 3
2 1
_
=
_
2 3/2
1 1/2
_
.
Se deja como ejercicio vericar que la matriz obtenida es la inversa de A.
3.4. MATRIZ TRANSPUESTA. Sea A
nm
. Diremos que A
t
= B
mn
es la transpuesta de A si se
cumple que la primera la de A es la primera columna de B, la segunda la de A es la segunda columna de B,
la tercera la de A es la tercera columna de B y as sucesivamente, es decir:
a
i,j
= b
j,i
, i = 1, ..., n; j = 1, ..., m.
Ejemplo 3.9.
A
23
=
_
2 3 5
4 2 8
_
, B
32
=
_
_
2 4
3 2
5 8
_
_
.
3. MATRICES Y VECTORES -SEGUNDA PARTE 19
3.5. Propiedades.
(1) (A
t
)
t
= A.
Ejemplo 3.10.
A =
_
2 3 5
4 2 8
_
, A
t
=
_
_
2 4
3 2
5 8
_
_
, (A
t
)
t
=
_
2 3 5
4 2 8
_
= A.
(2) Sea A
nm
y B
mp
, entonces (AB)
t
= B
t
A
t
.
Ejemplo 3.11.
A =
_
2 3 5
6 4 5
_
, B =
_
_
4 6 3
5 1 5
2 3 4
_
_
,
AB =
_
33 30 41
54 55 58
_
, (AB)
t
=
_
_
33 54
30 55
41 58
_
_
,
B
t
=
_
_
4 5 2
6 1 3
3 5 4
_
_
, A
t
=
_
_
2 6
3 4
5 5
_
_
, (B)
t
(A)
t
=
_
_
33 54
30 55
41 58
_
_
.
(3) Sea A
nm
y B
nm
, entonces (A + B)
t
= A
t
+ B
t
.
A + B =
_

_
a
1,1
+ b
1,1
a
1,2
+ b
1,2
a
1,m
+ b
1,m
a
2,1
+ b
2,1
a
2,2
+ b
2,2
a
2,m
+ b
1,m
.
.
.
.
.
.
.
.
.
.
.
.
a
n,1
+ b
n,1
a
n,2
+ b
n,2
a
n,m
+ b
n,m
_

_
.
(A + B)
t
=
_

_
a
1,1
+ b
1,1
a
2,1
+ b
2,1
a
n,1
+ b
n,1
a
1,2
+ b
1,2
a
2,2
+ b
2,2
a
n,2
+ b
n,2
.
.
.
.
.
.
.
.
.
.
.
.
a
1,m
+ b
1,m
a
2,m
+ b
2,m
a
n,m
+ b
n,m
_

_
=
=
_

_
a
1,1
a
2,1
a
n,1
a
1,2
a
2,2
a
n,2
.
.
.
.
.
.
.
.
.
.
.
.
a
1,m
a
2,m
a
n,m
_

_
+
_

_
b
1,1
b
2,1
b
n,1
b
1,2
b
2,2
b
n,2
.
.
.
.
.
.
.
.
.
.
.
.
b
1,m
b
2,m
b
n,m
_

_
= A
t
+ B
t
(4) Si A es invertible, entonces A
t
es invertible y (A
t
)
1
= (A
1
)
t
.
Demostraci on
(AA
1
)
t
= (A
1
)
t
.A
t
Por propiedad 2.
I
t
= (A
1
)
t
.A
t
Por denicion de matriz inversa.
I = (A
1
)
t
.A
t
Porque I
t
= I.
Por lo tanto, por denicion (A
t
)
1
= (A
1
)
t
.