Una Introducción Al Álgebra Lineal y Sus Aplicaciones: Edwin Fernando Muñoz CH

1
Una introducción
Capítulo 1: Sistemas de ecuaciones lineales

al álgebra lineal y
sus aplicaciones
Y2
x2
x2
Edwin Fernando Muñoz Ch

Muñoz Chipatecua, Edwin Fernando
Una introducción al álgebra y sus aplicaciones / Edwin Fernando Muñoz Chipatecua.

Bogotá : Universidad Piloto de Colombia, 2021
130 páginas.
Incluye referencias bibliográficas
ISBN: 9789585106352
ALGEBRA LINEAL
CCD 512.5
Presidente: Olinto Eduardo Quiñones Quiñones
Rectora: Ángela Bernal Medina
Director de Publicaciones y Comunicación Gráfica: Rodrigo Lobo-Guerrero Sarmiento
Director de Investigaciones: Mauricio Hernández Tascón
Coordinador de Publicaciones: Diego Ramírez Bernal
© Una introducción al álgebra lineal y sus aplicaciones
Autor: Edwin Fernando Muñoz Ch
ISBN: 978-958-5106-35-2
Primera edición, 2021.

Bogotá, Colombia
Coordinadora de Publicación: Catalina Moreno Correa
Diseño y diagramación: María Paula Martín
Atribución - No comercial - Sin derivar: esta licencia es la más restrictiva de las seis licencias
principales, solo permite que otros puedan descargar las obras y compartirlas con otras personas,
siempre que se reconozca su autoría y al sello editorial pero no se pueden cambiar de ninguna ma-
nera ni se pueden utilizar comercialmente.
La obra literaria publicada expresa exclusivamente la opinión de sus respectivos autores, de manera que no repre-
sentan el pensamiento de la Universidad Piloto de Colombia. Cada uno de los autores suscribió con la Universidad
una autorización o contrato de cesión de derechos y una carta de originalidad sobre su aporte, por tanto, los autores
asumen la responsabilidad del contenido de esta publicación.
En memoria de mi amada madre.
A mi familia.
Agradecimientos
Agradezco en primera instancia a la Universidad Piloto de Co-

lombia por la oportunidad de registrar en este documento mis
conocimientos, ideas y experiencias adquiridas en mis años
como docente del Área común de matemáticas y por las afor-
tunadas ocasiones que he impartido la asignatura de Álgebra
lineal. Mis agradecimientos se extienden al profesor Carlos
Garzón por la oportunidad brindada y la colaboración al per-
mitirme materializar un sueño, y a la profesora María Angélica
García por su apoyo en este proceso. Envío un agradecimiento
muy especial a los docentes del Área común de matemáticas
por compartirme sus conocimientos y cada uno de los aportes
que enriquecieron mi trabajo. Finalmente, quiero agradecer a
los docentes que realizaron sus revisiones técnicas, pues cada
una de sus contribuciones me permitieron ver más allá de lo
que en una primera ocasión había quedado registrado, siem-
pre en aras del mejorar.
Edwin Fernando Muñoz Chipatecua

Contenido
Capítulo 1. Sistemas de ecuaciones lineales 13
Ecuaciones lineales 14
Sistemas de ecuaciones lineales 21
Métodos de solución de sel de tamaño 2 × 2 24
Análisis gráfico 24
Métodos algebraicos 28
Aplicaciones 40
Programación lineal: un enfoque geométrico 40
Regresión lineal (cálculo de los coeficientes del

modelo de regresión) 42
Fracciones parciales (cálculo de las fracciones

parciales) 45
Física: diagramas de cuerpo libre 47

Ejercicios 48
Capítulo 2. Matrices 52
Tipos de matrices 55
Operaciones matriciales 59
Inversa de una matriz 69
Cálculo de la inversa de una matriz por

reducción de renglones 71
Cálculo de la inversa de una matriz 2×2 por la

adjunta 73
Aplicaciones 75
Matriz varianza: covarianza y matriz de correlaciones 75
Grafos 76
Ejercicios 78
Capítulo 3. Determinantes 83
Determinantes 84
Propiedades 24
Cálculo de la inversa de una matriz n× n por

la adjunta 100
Aplicaciones 104
Criptograma 104
Ejercicios 106
Capítulo 4. Métodos matriciales en la solución

de sistemas de ecuaciones lineales 110
Métodos matriciales 110
Solución de sel por el método de eliminación de

renglones (Gauss-Jordan) 110
Solución de sel por el método de Gauss 119
Solución de sel por Cramer 124
Solución de sel por la matriz Inversa 126
Ejercicios 126
Referencias 131
Introducción
Enfoque general y prerrequisitos

En este libro, Una introducción al álgebra lineal y sus aplicaciones,
el autor tiene como objetivo presentar una propuesta inno-
vadora, tanto para el docente como para el estudiante de la
asignatura de álgebra lineal, para que sirva como apoyo en el
proceso de enseñanza-aprendizaje al fortalecer la clase teórica
impartida en el aula de clase, brindar un esquema de conteni-
do temático, y aplicar técnicas y estrategias didácticas para la
enseñanza basadas en el uso de la tecnología, como es el caso
del trabajo con GeoGebra.
Por lo anterior, en este texto se presentan un total de 91 ejem-

plos distribuidos en cada una de las secciones. Estos se desa-
rrollaron paso a paso y están acompañados por explicaciones
precisas implementando gráficas, cuando así lo requieran.
Igualmente, cada capítulo se complementa con teorías a par-
tir de un conjunto conformado por definiciones, teoremas y
propiedades establecidas alrededor de los temas introducto-
rios del álgebra lineal, los cuales corresponden a la enseñanza
media superior, accesible a nuestros lectores. Asimismo, se
propone una sección de ejercicios en cada capítulo para que
los estudiantes los desarrollen. Por último, y debido a la gran
aplicabilidad de los temas propios de la asignatura en numero-
sas disciplinas, el autor presenta en cada capítulo una sección
con aplicaciones en áreas como estadística, probabilidad, in-
vestigación de operaciones, economía, entre otras.
11
Contenido y planeación del curso

Una introducción al álgebra lineal y sus aplicaciones es un libro diseñado para
un curso introductorio de la asignatura Álgebra lineal, la cual dura un se-
Introducción
mestre. Por tal razón, el autor propone un plan de trabajo tal que, en el
“Capítulo 1. Sistemas de ecuaciones lineales”, los estudiantes tengan un
acercamiento al planteamiento de sistemas de ecuaciones y su solución por
medio de métodos algebraicos; además de su análisis geométrico. Poste-
riormente, en el “Capítulo 2. Matrices” se incluye el concepto de matriz,
sus propiedades y operaciones, y se hace énfasis en la representación matri-
cial de un sistema lineal de ecuaciones. En el “Capítulo 3. Determinantes”
se realiza un trabajo arduo en la definición del concepto de determinante y
el tecnicismo que permite su cálculo, así como de las propiedades y la rela-
ción con la solución de sistemas de ecuaciones lineales con métodos como
Cramer y la matriz inversa. De esta forma, se crea un vínculo que se amplía
en el “Capítulo 4. Métodos matriciales en la solución de sistemas de ecua-
ciones lineales”, pues en este se relacionan los métodos no algebraicos en
la solución de sistemas de ecuaciones de diferentes tamaños y caracterís-
ticas. Con lo anterior, se abordan los temas básicos del algebra matricial.
Uso de GeoGebra
Particularmente, temas como el análisis geométrico de las soluciones de siste-
mas de ecuaciones lineales, vectores, rectas y planos en el espacio, aplicacio-
nes de optimización, entre otros requieren de un análisis gráfico y, por tanto,
de un instrumento de fácil acceso, didáctico e interactivo. En esta oportunidad
se considera el uso de GeoGebra como el software matemático de preferen-
cia; además de ser una aplicación libre, cuyo uso es permitido para comercia-
lización, como se cita en la página oficial https://www.geogebra.org/license,
está disponible en múltiples plataformas, lo que lo hace accesible.
Capítulo 1 . Sistemas
de ecuaciones lineales
Con el objetivo de definir los conceptos de ecuación lineal y

sistema de ecuaciones lineales se considera la siguiente situa-
ción problema:
La ciudad A se ubica a una distancia de 300 km de la ciudad B.

Un automóvil sale de A hacia B a una velocidad de 85 km/h.
Al mismo tiempo, un segundo auto sale de B hacia A con una
velocidad de 90 km/h. Se supone la velocidad de ambos auto-
móviles es constante. Teniendo en cuenta lo anterior, calcule
el tiempo y la distancia que requieren cada uno hasta el mo-
mento en el que se encuentran.
El primer paso para resolver el problema consiste en reescri-

birlo en lenguaje matemático. Según los datos del problema,
se tomará a x como la distancia que recorre el automóvil que
sale de A hasta el instante del encuentro, como se observa en
la siguiente imagen:
300km
A Punto de encuentro B
x 300 – x
85km/h 90km/h
Figura 1.1. Representación gráfica del problema.

14
Ahora, de acuerdo con la ecuación de velocidad, v= x , siendo e el espacio

t
recorrido, v la velocidad y t el tiempo, se tiene que x=v ∙ t, lo que para los
datos del problema permite establecer dos ecuaciones de movimiento, una
para cada automóvil.
Una introducción al álgebra lineal y sus aplicaciones
Tabla 1.1. Formulación matemática de las ecuaciones de movimiento para los automóvi-
les A y B.
Automóvil Ecuación de movimiento

En dirección a B x= 85 ∙ t
En dirección a A 300 – x=90 ∙ t
De esta manera, se han propuesto dos ecuaciones que representan el movi-

miento lineal de los automóviles, conocidas, cada una, como ecuación lineal
y en conjunto como sistema de ecuaciones lineales. En este caso, un sistema de
tamaño 2 × 2 debido a la cantidad de ecuaciones establecidas y al número
de incógnitas que corresponden a la distancia recorrida x y al tiempo nece-
sario para el encuentro. En general son varios los problemas que pueden
ser planteados y solucionados a partir de ecuaciones lineales en diferentes
ámbitos del conocimiento. De tal manera que, en el presente capítulo, se
introducen los principales métodos de solución de sistemas de ecuaciones
lineales necesarios para su aplicación futura en temas más abstractos.
Ecuaciones lineales
Definición 1.1. Ecuación lineal
Una ecuación lineal es una expresión de la forma
a1 x1+a2 x2+...+an xn=b (1.1)
donde ai,b ∈ y los xi corresponden a las incógnitas (variables) de la ecua-

ción, todas de primer grado.
Los escalares ai son los coeficientes de los xi respectivamente, y b es el

término constante de la ecuación. Por tanto, es posible que dicho valor sea
cero, en tal caso se conoce como ecuación lineal homogénea.
15
Una forma común de una ecuación lineal es
Ax+By=C (1.2)
donde x y y son variables reales y A,B, y C son constantes reales. Si A y B

no son cero, entonces la gráfica de esta ecuación es una línea recta, siendo
la anterior una de las razones por la cual recibe el nombre de ecuación lineal.
Ahora, si de (1.2) se despeja la variable y, se tiene
y=– A x+ C , (1.3)
B B
la cual es una expresión análoga a la ecuación del intercepto en el eje y de

la recta, y=mx+b, donde la pendiente es m=– A y el intercepto correspon-
B
de a b= C .
B
Pero, ¿qué significado tienen la pendiente y el intercepto? Para dar respuesta a la

pregunta considere dos puntos en el plano definidos por las coordenadas
P1=P1 (x1, y1 ) y P2=P2 (x2, y2 ) (véase la figura 1.2). Posteriormente, calcule
la variación entre los puntos según su proyección en el eje y, diferencia
conocida como elevación (∆y), y divida dicho valor entre la diferencia en
el eje x (∆x) o el recorrido, es decir:
Elevación ∆y y2 – y1
m= = = . (1.4)
Recorrido ∆x x2 – x1
Considerándose, entonces, como la razón de cambio de la elevación res-

pecto al recorrido y según el resultado obtenido se puede clasificar como
pendiente: nula, indeterminada, positiva o negativa (véase la Tabla 1.1).
El punto de corte con el eje y corresponde al lugar en el que se cortan o se
encuentran la línea recta y el eje 0Y o el eje de las ordenadas.
16
Figura 1.2. Pendiente e intercepto de una línea recta.
A continuación, se presenta un ejemplo referente al uso de la ecuación (1.3).
Ejemplo 1.1. Caracterización de una ecuación lineal
Sea la ecuación lineal –2x –3y= 4. Encuentre la pendiente y el intercepto

con el eje y.
Solución:
A –2
Considere a A= –2, B= –3 y C= 4. Por tanto, la pendiente m=– B =–
–3
2 y el punto de corte con el eje y, el intercepto es b= C = 4 =– 4 .

=– B �3 3
3
Dada la expresión 4x + 5y – 6= 0 encuentre la pendiente y el intercepto con
el eje y de la recta que caracteriza dicha ecuación.

17
Solución:
En esta oportunidad se considera a A=4, B=5 y, debido a que la expresión

se encuentra igualada a cero, el valor del coeficiente C corresponde a 6; de tal

manera que, la pendiente m=– 4 y el punto de corte con el eje y es b= 6 .
5 5
Tabla 1.2. Caracterización de la recta según la pendiente.
(a) Pendiente nula (b) Pendiente indeterminada
y–y y2 – y1
y1 = y2 = y, entonces m= = 0. x1 = x2 = x, entonces m= = ∄.
x2– x1 x– x
(c) Pendiente negativa (d) Pendiente positiva
y2 – y1 y2 – y1
m= x – x < 0. m= x – x > 0.
2 1 2 1
18
De acuerdo con la ubicación de los puntos y a la aplicación de (1.4) se tiene

que (a) línea recta con elevación cero; por tanto, la pendiente es nula (b) el
recorrido corresponde a cero; lo que implica una pendiente indeterminada
y la recta vertical (c) pendiente negativa, recta decreciente y (d) pendiente
positiva, recta creciente.
Graficar la línea recta que se relaciona con la ecuación del ejemplo 1.1,
teniendo en cuenta su pendiente y punto de corte.
Solución:
Teniendo en cuenta la ecuación lineal –2x – 3y = 4 con pendiente m=– 2 ≈ –0.67

3
y el punto de corte con el eje y, es b= – 4
≈ –1.33. La recta que represen-
3
ta dicha expresión es decreciente y por cada tres unidades de recorrido la
4
misma desciende dos unidades. Finamente, cruza por y=– cuando x=0;
3
es decir, el punto de corte está caracterizado por la coordenada 0, – 4 .

3
Figura 1.3. Caracterización de una ecuación lineal.

19
Graficación de ecuaciones lineales
En la interfaz de usuario de GeoGebra aparece por omisión la barra de

entrada, en la cual se realiza el ingreso de funciones, expresiones algebrai-

cas, entre otros. En primera instancia, a manera de ejemplo, ingrese las
expresiones y = 2x+1, y = –2x+3 e y = 4, obteniendo como resultado las
respectivas líneas rectas:
Figura 1.4. Graficación de ecuaciones lineales en GeoGebra.
Una herramienta didáctica que ofrece GeoGebra es el uso de deslizadores, los

cuales le permiten al usuario interactuar con la función y observar cambios en
la gráfica dependiendo de los parámetros que la caractericen. La introducción
de un deslizador se realiza desde la barra principal, en la opción herramientas
básicas, y se representa por el icono a=2 .Como ejemplo, se utilizarán dos desli-
zadores para graficar la línea recta: uno para la pendiente m y otro para el pun-
to de corte b. Como propiedades para la pendiente se propone lo siguiente:
20
Figura 1.5. Aplicación de deslizadores en GeoGebra.
Lo mismo se propone para el punto de corte, a lo que se sugiere configurar

el intervalo entre -5 a 5 para generar la gráfica. En esta, el usuario puede
interactuar con el sintonizador de control de valores y así observar su com-
portamiento en los diferentes valores de los parámetros.
Figura 1.6. Trazo de ecuaciones lineales en GeoGebra.

21
Sistemas de ecuaciones lineales

Definición 1.2. Sistemas de ecuaciones lineales
Se considera un sistema de ecuaciones lineales (sel) al conjunto de dos o más

ecuaciones de primer grado, en el cual se relacionan dos o más incógnitas.
a11 x1+a12 x2+...+a1n xn=b1

a11 x1+a12 x2+...+a1n xn=b1 (1.5)
=
am1x1+am2 x2+...+amn xn=bm
Donde x1,x2,…,xn son las incógnitas y los números aij∈ son los coeficien-
tes del sistema.
Definición 1.3. Solución y conjunto solución de un sel
Sea un conjunto de valores de las incógnitas
x1= k1,x2= k2,…,xn=kn
una solución de (1.5), si la proposición que se obtiene sustituyendo ki por xi
a1 k1+a2 k2+...+an kn=b
es verdadera. Siendo ki el conjunto de valores que satisface la ecuación li-

neal. Se notará dicha solución por la n-upla u=(k1,k2,…,kn ), conocida como
conjunto solución (cs).
Ejemplo 1.4.
Verificar que el cs u= – 12 , 17 , 16 satisface el sistema de ecuaciones:

25 25 25
2x1 + x2 + 2x3 = 1
–3x1 – 2x2 + 3x3= 2
2x1 – x2 + x3= –1
22
Solución:
Reemplazando los valores de u en cada ecuación lineal se debe cumplir

cada igualdad, tal que
2 – 12 + 17 +2 16 =1
25 25 25
– 24 + 17 + 32 =1
25 25 25
1=1
–3 – 12 –2 17 +3 16 =2
25 25 25
36 34 48
– + =2
25 25 25
2=2
2 – 12 – 17 + 16 =–1
25 25 25
– 24 – 17 + 16 =–1
25 25 25
–1=–1
Lo que verifica que u si es cs de las ecuaciones propuestas.
Ejemplo 1.5.
sel y sus respectivos cs
Solución:
Sistema 2× 2
6x – 2y= –2 3x1 + 7x2=0

–3x + 7y= –22 2x1 – 3x2=0
C.S.= – 29 ,– 23 C.S.=(0,0)
18 6
23
Sistema 3× 3
2a + b – 3c=7 4x1– 2x2– 6x3= 0

5a – 4b + c= –19 x1+7x3= 0

a – b – 4c= 4 2x1–3x2= 0
C.S.=(–1,3,–2) C.S.=(0,0,0)
Sistema 4×4
w – 2x + 2y – 3z= 15 3x1 + x2 +x3 = 0

3w + 4x – y + z= –6 x1 – x2 + 4x3= 0
2w – 3x + 2y – z= 17 2x1 + 3x2 – 2x3 + x4= 0
w + x – 3y – 2z= –7 – x1 – 3x2 + x3 + x4= 0
C.S.=(2,–2,3,–1) C.S.= (0,0,0,0)
Para los ejemplos anteriores, se deja al lector la verificación de los cs esta-

blecidos en cada caso.
Notas:
1. Nótese que en cada una de las situaciones presentadas el número de

ecuaciones es igual al número de incógnitas. Por tal motivo, los sel
reciben el nombre de sistemas cuadrados, o, de lo contrario, rectan-
gulares.
2. Dependiendo de la cantidad de incógnitas, el cs se conforma por

n-tuplas; por ejemplo, dupla, tripla, cuádrupla, quíntupla, … n-tupla.
3. En el caso en que cada una de las ecuaciones lineales del sel se en-
cuentra igualada a cero, el sistema recibe el nombre homogéneo.
Ejemplo 1.6.
sel y sus respectivos cs

24
Solución:
Sistema 2× 3
x – y – 4z= 2 3x1 + 7x2= 0

3x + 7y + 2z= 10 x1– 3x2– x3= 0
C.S.=(2.4 + 2.6z, 0.4 – 1.4z,z) C.S.=(0.4375z, – 0.1875z,z)
Notas:
1. Los sistemas de ecuaciones aquí presentados tienen como característi-

ca diferenciadora a los anteriores. El número de variables es mayor al
número de ecuaciones, por tal motivo se les conoce como sel rectan-
gulares.
2. Como caso particular, se observa que el cs sigue siendo n-tuplas, pero,

por la naturaleza del sistema, el tipo de solución se conoce como infi-
nitas soluciones y se encuentra expresado en términos de un parámetro;
para los casos anteriores, el parámetro es z.
Métodos de solución de sel de tamaño 2 × 2

Análisis gráfico
En primera instancia se realiza una revisión a los sel de tamaño 2 × 2,

comenzando con el análisis gráfico del sistema, el cual permite establecer
el tipo de solución resultante. Por lo anterior, y a partir de (1.3), todo sis-
tema de la forma
a11 x1 + a12 x2= c1

(1.6)
a21 x1 + a22 x2= c2
–a11 –a c c
estaría caracterizado por m1= , m2 = 21 y b1= 1 , b1 2 . Entonces,
a12 a22 a12 a22
conocidas sus pendientes y puntos de corte, se establecen tres tipos de so-

luciones para dicho sistema: única solución, infinitas soluciones e inconsis-
tente. Estas se relacionan según la tabla 1.2.
25
Tabla 1.3. Caracterización de la solución de un sistema de ecuaciones 2×2 a partir de

análisis gráfico.
Tipo de solución Pendientes y m1 y m2 Puntos de corte b1 y b2
Única solución Diferentes Diferentes

Infinitas soluciones Iguales Iguales
Inconsistente Iguales Diferentes
A continuación, se presentan tres ejemplos en los que se puede apreciar

la naturaleza de la solución del sel, según las pendientes y los puntos de
corte de las ecuaciones.
Ejemplo 1.7.
Analizar el tipo de solución del siguiente sel:
x + 2y = 7
2x + y= 8
Solución:
De la primera ecuación se sabe que las pendientes m1= –1 = –0.5 y m2= –2 =–2
2 1
para la segunda. Además, los puntos de corte con el eje y son b1= 7 =3.5 y
2
b2= 8 =8, respectivamente. Por tanto, ambas rectas son decrecientes con
1
pendientes diferentes, al igual que sus puntos de corte; lo que implica que
ambas deben interceptarse en un único punto, que en esta ocasión corres-
ponde al cs=(3,2), siendo esta una única solución.
26
Figura 1.7. sel con única solución.
Ejemplo 1.8.
x + 2y = 7
2x + 4y = 14
Solución:
Se sabe que la pendiente para la primera ecuación es m1= –1 = –0.5 y

2
m1= –2 = –0.5 para la segunda. Los puntos de corte con el eje y corres-
4
ponden a b1= 7 =3.5 y b2 14 =3.5, respectivamente. Lo anterior, implica
2 2
que ambas rectas decrecen a la misma razón, partiendo del mismo punto;
por tanto, pueden ser consideradas como la misma o tal vez como dos
rectas montadas una sobre la otra. Tal apreciación se puede entender al
momento de multiplicar la primera ecuación por 2, o dividir la segunda
entre 2; en otras palabras, existe una relación de proporcionalidad entre las
ecuaciones. Siendo así, las rectas se intersecan en infinitos puntos, por lo
que se considera como un sistema con infinitas soluciones.
27

Figura 1.8. sel con infinitas soluciones.
Ejemplo 1.9.
x + 2y = 7
2x + 4y = 8
Solución:
La pendiente para la primera ecuación corresponde m1= –1 = –0.5 y
2
m2= –2 = –0.5 para la segunda, en cuanto a los puntos de corte con el eje y
4
se tiene, b1= 7 =3.5 y b2= 8 =2, respectivamente. De tal manera que
2 4
ambas rectas son decrececientes y lo hacen a la misma razón, pero, a dife-
rencia del ejemplo anterior, parten de puntos diferentes. Por tanto, pueden
ser consideradas como dos rectas paralelas; siendo así, no existen puntos
de intersección entre las mismas, lo que implica que el tipo de solución del
sistema se considere como inconsistente.
28
Figura 1.9. sel inconsistente.
Graficación de sistemas de ecuaciones lineales de tamaño 2 × 2.
La actividad propuesta para el estudiante consiste en representar cada uno

de los sel de tamaño 2 × 2 de los ejemplos anteriores en GeoGebra.
Métodos algebraicos
En esta sección se presentan los tres métodos algebraicos que permiten

solucionar un sel en el caso particular de contar con dos ecuaciones y dos
incógnitas, los cuales son: sustitución, reducción e igualación. Lo anterior,
con la intención de dar solución a problemas aplicativos que puedan ser
planteados bajo dicha representación.
a. Sustitución
Considerando el sel de la forma (1.6), el método de sustitución consiste

en despejar u obtener el valor de una de las incógnitas; por ejemplo, x1 de
cualquiera de las ecuaciones. En particular, se recomienda al lector des-
pejar la expresión que considere más simple. En este caso, se tomará como
ejemplo la primera ecuación:
29
c1– a12 x2
x1=
a11
a21 x1+a22 x2= c2 ,

y se sustituirá su expresión en la otra ecuación. De tal manera que el sel
se reduzca a una ecuación de primer grado en términos de una sola varia-
ble, en este caso x2.
c1– a12 x2
a21 +a22 x2= c2.
a11
Una vez resuelta, se ha calculado el valor de x2, que finalmente se sustituye

en la expresión de x1, calculando así el de ambas variables.
Ejemplo 1.10.
Resolver el siguiente sistema de ecuaciones por el método de sustitución:
x – y= 4
x + y= 6
Solución:
Para la solución del sistema de ecuaciones, se procede a despejar la variable

x de la primera ecuación, de tal manera que:
x= 4 + y.
Posteriormente, se sustituye el valor de la x en la segunda ecuación, de lo

que resulta:
4 + y + y= 6.
30
Al resolver la anterior expresión se obtiene el valor de y:
4+y+y=6
4 + 2y = 6
2y = 2
y=1
Finalmente, se sustituye el resultado de y en la ecuación en la que está

despejada la variable x, es decir:
x= 4 + y
x= 4 + 1
x= 5.
De lo anterior, se concluye que la solución del sistema se encuentra dado

por el cs=(5,1).
b. Igualación
El método de igualación consiste en una pequeña variante del de susti-

tución. Para resolver un sel de la forma (1.6) por este método hay que
despejar una incógnita, la misma en las dos ecuaciones:
c1– a12 x2
x1 =
a11
c2– a22 x2
x1=
a21
Se debe igualar el resultado de ambos despejes, con lo que se obtiene una

ecuación de primer grado:
c1– a12 x2 c2– a22 x2

=
a11 a21
31
Después, resolver la ecuación para obtener el valor de la primera variable;

en este caso, x2. Luego, regresar a cualquiera de los despejes para obtener
el valor de la segunda variable.

Ejemplo 1.11.
Resolver el siguiente sistema de ecuaciones por el método de igualación:
x – y= 4
x + y= 6
Solución:
Se despeja de ambas ecuaciones lineales la misma variable, en este caso x,

e igualamos las segundas partes:
4 + y = 6 – y,
y se resuelve la ecuación lineal:
y+y=6–4
2y = 2
y = 1.
Finalmente, se sustituye el resultado de la variable y en una de las ecua-

ciones del sistema; en esta ocasión, se reemplaza en la primera expresión:
x –1=4
x=4+1
x = 5.
Se concluye que la solución del sistema se encuentra dado por el C.S=(5,1),

mismo resultado obtenido por el método de sustitución.
32
c. Reducción
El propósito de este método consiste en obtener dos ecuaciones cuya suma

dé como resultado una ecuación con una sola variable. De esta manera, se
procede según los siguientes pasos:
• Paso 1. De ser necesario, multiplique una o ambas ecuaciones por

una constante para que al sumarlas el resultado contenga solo una
variable.
• Paso 2. Sume los lados respectivos de las ecuaciones, así obtendrá

una sola ecuación con una variable.
• Paso 3. Despeje la variable en la ecuación obtenida en el paso 2.
• Paso 4. Sustituya la variable en cualquiera de las ecuaciones origi-

nales con el valor determinado en el paso 4.
• Paso 5. Resuelva esa ecuación para determinar el valor de la varia-

ble restante.
Los pasos 2 al 5 se encuentran ligados a la necesidad de realizar el paso 1,

de no ser necesario, comience en el 2.
Ejemplo 1.12.
Resolver el siguiente sistema de ecuaciones por el método de reducción.
x–y=4
x+y=6
Solución:
En este caso, se suman las dos ecuaciones que componen el sel; de tal
manera que se cancelan las variables y, y se obtiene lo siguiente:
x+x=4+6
2x = 10
x = 5,
33
Si se sustituye el anterior resultado en la primera ecuación, por ejemplo,

se tiene lo siguiente:
x–y=4

5–y=4
–y = 4 – 5
y=1
De esta manera, se concluye que el cs =(5,1).
A continuación, se resuelven sel de tamaños diferentes a 2× 2 como ca-

sos particulares, con la intensión de revisar el uso simultáneo de métodos
algebraicos, además de los tipos de solución que existen en dichos casos,
y, por último, la complejidad que los mismos conllevan.
Ejemplo 1.13.
Resolver el siguiente sistema de ecuaciones de tamaño 2× 3 por medio de

métodos algebraicos:
(1) x + 4y – z = 12
(2) 3x + 8y – 2z = 4
Solución:
En esta oportunidad se aplica el método de reducción de ecuaciones li-

neales y, para ello, se multiplica la ecuación (1) por –3 y se suma con la
ecuación (2):
–3x – 12y + 3z = –36

3x + 8y – 2z = 4.
34
Entonces, se tiene una nueva ecuación (3):
–4y – z= –32,
de la que se despeja la variable y:
–32 + z
y= =8 – z .
–4 4
Este valor se reemplaza en (1):
z
x+4 8 – –z =12
4
x +32 – z– z=12
x +32 – 2z=12
x – 2z= –20.
De acuerdo con los procesos anteriores, se observa que las variables x e y

quedaron definidas en términos de z, variable que por la naturaleza del sis-
tema de ecuaciones es considerada como parámetro. Por tal razón, se defi-
ne como z=t. Finalmente, se concluye que el sistema de ecuaciones tiene
infinitas soluciones, cuya representación general está dada por lo siguiente:
x= –20 + 2t
y= 8 – t
4
z = t con t є .
Por ejemplo, si t=0, la solución sería (–20,8,0). Para t=1 resulta – 18,31 o t=–1,
4,1
entonces – 22,33 ,–1 . Por tanto, se deduce la existencia de infinitas soluciones.

4
35
Ejemplo 1.14.


(1) x – 2y = 2
(2) 4x + 3y + z = –4
(3) 2x – y + 2z = 0
Solución:
De la primera ecuación se despeja la variable x y se sustituye en las otras dos:
(1) x = 2+2y
De allí se obtiene una versión modificada de la segunda ecuación, la cual

denotaremos por (2*):
4(2 + 2y) + 3y + z= –4
8 + 8y + 3y + z= –4
8 + 11y + z= –4
11y + z=–12 (2* ),
y para la tercera (3*)
2x – y + 2z= 0
2(2 + 2y) – y + 2z= 0
4 + 4y – y + 2z= –4
3y + 2z= –4.
Ahora, se utiliza el método de reducción, para lo cual se multiplica por -2

la ecuación (2*) y se suma con (3*), como resultado se tiene que y= – 20 .
19
36
Dado que x se despejó en términos y, tal que x=2+2y, y despejando z de

(3*), z =–2 – 3 y, se procede, entonces, a reemplazar el valor obtenido de
2
y de la siguientes maneras:
20
x=2+2–
19
40
=2–
19
=– 2 ,
19
3 3
z=–2–
2 19
30
=–2+
19
=– 8 .
19
Se concluye que el sistema de ecuaciones tiene única solución, la cual está
representada por la terna 2 20 8

– ,– ,– .
19 19 19
Ejemplo 1.15.

x1 +2x2 – x3 + 3x4 = –8
2x1 + 2x2 – x3= 13
–x1 + x2 + x3 – x4= 8
3x1 + 3x2 – x3 + 2x4= –1
37
Solución:
Se despeja la variable x1 de la primera ecuación, la cual queda definida por

las otras tres variables:

x1=– 2x2 + x3 – 3x4 – 8.
En las ecuaciones 2, 3 y 4 se reemplaza x1, así:
13 = 2(– 2x2 + x3 – 3x4 – 8)+ 2x3 – 1x4

8 = – ( – 2x2 + x3 – 3x4 – 8)+ x2+ 1x3 – 1x4
–1 = 3( – 2x2+ x3– 3x4– 8)+ 3x2– x3+ 2x4.
Después de la simplificación se tiene lo siguiente:
x1=– 2x2 + x3 – 3x4 – 8

29= – 4x2 + 4x3 – 7x4
0= 3x2 + 2x4
23 = – 3x2 + 2x3 – 7x4.
Y luego se divide la segunda ecuación entre -4 y se define la variable x2 en

términos de las otras:
x1= – 2x2 + x3 – 3x4 – 8

x2= x3 – 1.75x4 – 7.25
0=3x2+ 2x4
23= – 3x2+ 2x3– 7x4.
En las ecuaciones 3 y 4 se reemplaza x2
x1= – 2x2+ x3– 3x4 – 8

x2 = x3– 1.75x4 – 7.25
0 = 3( x3– 1.75x4– 7.25)+ 2x4
23 = – 3( x3– 1.75x4– 7.25)+ 2x3– 7x4.
38
Y después de la simplificación se obtiene lo siguiente:
x1 = – 2x2 + x3 – 3x4 – 8
x2 = x3 – 1.75x4 – 7.25
21.75 = 3x3 – 3.25x4

1.25 = –x3 – 1.75x4.
Del paso anterior se observa que todas las ecuaciones han quedado defini-
das en términos de x3 y x4. Ahora se procede a dividir la tercera ecuación
entre 3 y definir x3 en términos de la otra variable, x4:
x1= – 2x2 + x3 – 3x4 – 8

x2= x3 – 1.75x4 – 7.25
13
x3= x + 7.25
12 4
1.25=–x3 – 1.75x4.
En la ecuación 4 se reemplaza el valor de x3:
x1 = – 2x2 + x3 – 3x4 – 8
x2 = x3 – 1.75x4 – 7.25
13
x3 = x + 7.25
12 4
13
1.25 =– x + 7.25 – 7.25x4
12 4
Para simplificar, se tiene lo siguiente:
x1 = – 2x2 + x3 – 3x4 – 8
x2 = x3 – 1.75x4 – 7.25
13
x3 = x + 7.25
12 4
17
8.5 = – x4 .
6
39
Finalmente, se divide la cuarta ecuación entre – 17 y se encuentra el valor de x4:

6
x1= – 2x2 + x3 – 3x4 – 8

x2= x3 – 1.75x4 – 7.25

13
x3= x + 7.25
12 4
x4 = –3.
Ahora, como ya se conoce x4 y al reemplazar desde la última ecuación a la

primera se puede calcular el valor de las de otras variables para obtener
x1= 1,x2= 2,x3= 4 y x4=–3, lo que permite concluir que existe una única
solución al sistema de ecuaciones, y se encuentra dado por la cuádrupla
=(x1, x2, x3, x4)=(1, 2, 4, –3).
Como se puede apreciar en los ejemplos 1.13 a 1.15, la solución de siste-

mas de ecuaciones lineales de tamaño igual o superior a 3×3 requiere de
la aplicación de una gran cantidad de operaciones algebraicas, junto con
el uso adecuado de los métodos requeridos. Lo anterior, en ocasiones, es
un proceso engorroso, motivo por el cual se introdujo la notación matricial
como forma abreviada de escribir un sistema de ecuaciones, la cual será
profundizada en el siguiente capítulo. Allí se definen las propiedades y
operaciones sobre el cuerpo llamado matriz y se establecen métodos para
la solución de los sistemas de ecuaciones, entre los que se consideran los
siguientes:
1. Eliminación Gaussiana.
2. Eliminación de Gauss-Jordan.
3. Solución por la inversa de una matriz.
4. Regla de Cramer.
Esos métodos se revisarán en el "Capítulo 3. Determinantes".

40
Aplicaciones
Hasta el momento, se ha presentado la teoría correspondiente a la solu-
ción de sistemas de ecuaciones lineales desde una perspectiva geométrica
y algebraica. Posteriormente, se hará lo mismo con el uso de métodos que

involucran matrices. Es por lo anterior que, a continuación, se presentan
algunas aplicaciones con las que es posible establecer una relación entre la
teoría y la práctica.
Programación lineal: un enfoque geométrico
La programación lineal (pl) se define comúnmente como un método ma-

temático de optimización, dedicado a minimizar o maximizar una función
lineal, la cual a partir de este momento será llamada como función objetivo.
De tal manera que las variables de esta se encuentran sujetas a una serie
de restricciones expresadas mediante un sistema de ecuaciones o inecua-
ciones también lineales.
Ejemplo 1.16.
Una prestigiosa pastelería de la ciudad maneja dos estilos de tortas: tres

leches y chocolate con maní. La torta de tres leches requiere, para su pre-
paración, medio kilo de azúcar y ocho huevos, y su precio de venta al públi-
co es de 8 €. El segundo tipo de torta necesita un kilo de azúcar, la misma
cantidad de huevos que la primera, y tiene un precio de venta de 10 €. Se
sabe que en la cocina de la pastelería les quedan 10 kilos de azúcar y 120
huevos. ¿Cuántas unidades de cada especialidad de torta se pueden produ-
cir con la intención de obtener el mayor ingreso por ventas?
A partir de este enunciado, se establecerá un sistema de ecuaciones con la

intención de solucionar el problema y encontrar la cantidad de tortas de
ambos estilos que permitan obtener el mayor ingreso por ventas. Para ello,
se va a representar con la variable x al número de tortas tres leches y con
y al número de tortas de chocolate. Además, al hacer uso de la representa-
ción tabular se extrae la información del problema; para ello, se tienen en
cuenta los dos tipos de tortas, la cantidad de kilos de azúcar que se utilizan
por cada especialidad de torta y la cantidad de huevos.
41
Tabla 1.4. Distribución insumos.
Tipo de torta Azúcar (kilos) Huevos
Tres Leches 0,5 x 8x

Chocolate Y 8y
10 120
En este tipo de problemas es de gran importancia establecer las restricciones,

es decir, todo aquello que limita la libertad de los valores que pueden tomar
las variables involucradas en el problema. Por ejemplo, en este caso los valo-
res de x e y deben ser mayores o iguales a cero x ≥0,y ≥0; esto debido a que
debe existir una cantidad positiva de tortas o en su defecto no debe haber
ninguna. Además, se deben cumplir las condiciones de las cantidades de
azúcar y huevos por torta, junto con los recursos existentes en la cocina de
la pastelería, lo que conlleva a plantear las siguientes condiciones:
x ≥ 0, y ≥ 0
0.5x + y ≤ 10
8x + 8y ≤ 120,
Lo que, al multiplicar la segunda ecuación por 2 y la tercera al dividirla

entre 8, se debe obtener es:
x ≥ 0, y ≥ 0
x + 2y ≤ 20
x + y ≤ 15.
Una vez establecidas las restricciones se procede a identificar la función

objetivo (fo), la cual, de acuerdo con el problema, representa los ingresos
por ventas de las tortas. Es decir:
z= f(x,y)= 8x + 10y
42
Ahora, se define la región factible como el conjunto de todas las soluciones

factibles; es decir, las soluciones óptimas que dan el valor más favorable
de la función objetivo. A continuación, se realizará el estudio de la región
factible por medio de GeoGebra.
Graficación de la región factible
Al hacer uso de las restricciones dadas anteriormente y la herramienta

GeoGebra, se realiza la siguiente diagramación de la región factible.
Figura 1.10. Graficación de la región factible en GeoGebra.
Entonces, el estudiante debe representar cada uno de los sel de tamaño

2 × 2 de los ejemplos anteriores en GeoGebra.
Regresión lineal (cálculo de los coeficientes del modelo de

regresión)
Una de las aplicaciones más recurrentes de la estadística es la regresión li-

neal, un modelo matemático cuyo objetivo es explicar la relación que existe
entre una variable dependiente (variable respuesta, y) y un conjunto de
variables independientes (variables explicativas) x1, x2, …,xn. En esta oca-
sión, se parte del siguiente problema:
43
Ejemplo 1.17.
Considere un conjunto de 10 pacientes de una entidad prestadora de ser-

vicios de salud de los cuales se conocen los resultados de una prueba de

glucosa pre/pos, tal y como se muestra en la siguiente tabla:
Tabla 1.5. Resultados de una prueba de glucosa pre/pos para una muestra de 10
pacientes.
Paciente 1 2 3 4 5 6 7 8 9 10
Pre 39 43 21 64 57 43 38 75 34 52
Post 65 75 52 82 92 80 73 98 56 75
El propósito es encontrar una relación entre la variable pre y la variable pos.

Para ello, se procede a realizar la gráfica de los respectivos pares ordenados
de valores.
Graficación de diagrama de dispersión
Por medio de GeoGebra, se realiza una gráfica conocida como diagrama de

dispersión, por medio de la cual es posible comprender la relación existen-
te entre las variables. En este caso, se aprecia que las variables en cues-
tión tienen un comportamiento de crecimiento lineal, lo que supone que
a mayor valor de la variable pre, mayor será el resultado de la variable pos.
Ahora, la pregunta es: ¿existe un método matemático que permita calcular
la función para que sea una buena aproximación de la nube de puntos? La
respuesta es sí, y el método utilizado es conocido como mínimo cuadrados.
44
Figura 1.11. Gráfica de dispersión en GeoGebra.
A partir de este momento, el objetivo es calcular una ecuación lineal que

describa la relación de las variables x e y, de la forma: y = ax + b. Para ello,
se deben calcular los coeficientes a y b, solucionando el siguiente sistema
de ecuaciones:
n n
an+b xi= yi
i=1 i=1
n n n
a xi+b x i ==
2
xi yi
i=1 i=1 i=1
45
Tabla 1.6. Cálculos previos para la solución de sel.
i xi yi xi2 xi yi
1 39 65 1521 2535

2 43 75 1849 3225
3 21 52 441 1092
4 64 82 4096 5248
5 57 92 3249 5244
6 43 80 1849 3440
7 38 73 1444 2774
8 75 98 5625 7350
9 34 56 1156 1904
10 52 75 2704 3900
10
466 748 23934 36712
i=1
Al reemplazar los resultados de la tabla 1.5. se obtiene el siguiente sistema

de ecuaciones:
10a + 466b = 748

466a + 2393b = 36712
cuya solución es: a=35.83; b=0.836. Es así como la ecuación que mejor se
aproxima al comportamiento de los datos es y=35.83+0.836.
Fracciones parciales (cálculo de las fracciones parciales)
Una de las aplicaciones más recurrentes en las matemáticas, en las que se

plantea un sistema de ecuaciones y, por ende, se requiere de su solución,
es la descomposición de una expresión algebraica racional en términos de
sus fracciones parciales. A continuación, se presenta un ejemplo en el que
se descompone una fracción que tiene como denominador un producto de
factores lineales distintos.
46
Ejemplo 1.18.
7x + 3 7x + 3
=
x + 3x – 4
2
(x + 4)(x – 1)
Que pude se puede descomponer así:
7x + 3 A B
= +
(x + 4)(x – 1) x + 4 x –1
De tal manera que, con la intención de encontrar los valores de A y B, se

opera la parte de la derecha de la igualdad y se tiene lo siguiente:
7x + 3 = A(x – 1) + B(x + 4)
7x + 3 = Ax – A + Bx + 4B
Si se desarrolla se obtiene el sistema de ecuaciones siguiente:
A+B=7
–A + 4B = 3
cuya solución es A=5, B=2. Por tanto, la fracción original se descompone

de la siguiente forma:
7x + 3 5 2
= +
(x + 4)(x – 1) x+4 x–1
47
Física - diagramas de cuerpo libre
La representación gráfica utilizada por físicos e ingenieros para el análisis de

las fuerzas que actúan sobre un cuerpo es conocida como diagrama de cuerpo
libre. En esta oportunidad, se representa un sistema físico constituido por una

cuerda atada al techo del que a su vez pende una masa (m1), un resorte (r) y
otras dos masas (m2 y m3) respectivamente. Véase la figura 4.3. en la cual se
realiza un diagrama y el análisis de las fuerzas que actúan en el sistema.
Figura 1.12. Sistema físico.
Ahora, se considera la siguiente información al respecto del sistema:
Tabla 1.6. Información sistema físico.
T= 40 N La tensión de la cuerda
W1= 40 N El peso de m1
La fuerza del Resorte (r) no se conoce ni en magni-

fr= ? tud ni en dirección (no se sabe si está en tensión o
en compresión).
W2= ? El peso de m2 , valor desconocido.
N1= ? Fuerza Normal, entre las masas m2 y m3 , valor des-

conocido.
N2= 200 N
La normal entre m3 y el suelo.
W3=40 N El peso de m3
Por lo anterior, y teniendo en cuenta las fuerzas sobre el sistema, y que, a

su vez, el mismo se encuentra en equilibrio, se obtiene:
48
Figura 1.13. Diagramas de cuerpo libre del sistema físico.
De tal manera, el sistema de ecuaciones que se propone al realizar la suma-

toria de fuerzas, es el siguiente:
40 – 60 – R= 0
N1 + R – W2= 0
200 – N1 – 80= 0
El cual, al simplificar, resulta en lo siguiente:
–20 – R= 0 → R= 20
N1 + 20 – W2= 0
200 – N1 – 80= 0 → N1= 120
De lo cual se concluye que:
R=20 N; N1=120 N, W2= 140N.
Ejercicios
Ejercicios teóricos
1. Identifique el tipo de solución que tienen los siguientes sistemas de

ecuaciones:
x + 2y = 4 –6x + y = 2
a. c.
–x – 4y = 6 x – 1/6y = 1/3
–3w + 2p = 4 3w + 4m – 2 = 0
b. d.
–6w + 4p = 8 –2w – 2m = 5
49
Repuestas:
a. Única solución.
b. Infinitas soluciones.

c. Inconsistente.
d. Única solución.
Ejercicios de aplicación
Para los problemas 2 a 5 se deben plantear y resolver los siguientes proble-

mas, y aplicar los métodos de solución algebraicos:
2. Cierto granjero tiene conocimiento de que la suma de gallinas (g) y

marranos (m) es de 132 y la de sus extremidades es 402. Establezca
el sistema de ecuaciones que permite conocer el número de gallinas y
de marranos.
Respuesta: g=63, m=69.
3. El valor del servicio de telefonía móvil del operador Conectaplus de

cada factura es la suma de una tasa fija, mantenimiento (x), más un
precio fijo por minuto de consumo (y). En el mes anterior, cierto clien-
te recibió la factura del teléfono por un total de €39.000 por un con-
sumo de 80 minutos, mientras que la del presente mes corresponde a
€31.500 por un consumo de 55 minutos. Entonces, ¿cuál es el valor de
la tasa y el precio de cada minuto?
Respuesta: x=€15.000,y=€300.
4. A favor de cierta comunidad marginada por la violencia se realiza un

concierto benéfico en el país. El promotor informa que se vendieron
todas las entradas y que se recaudó un total de €23000. La boletería
estaba disponible de acuerdo con los siguientes valores: €50 las entra-
das normales (x) y €300 las vip (y). Establezca el sistema de ecuacio-
nes con el fin de calcular el número de entradas de cada tipo, teniendo
en cuenta que el aforo del lugar es de un total de 160 personas.
Respuesta: x=100, y=60.

50
5. El mes pasado se compraron espinacas (x) a un costo de €2.7 por ki-

logramo, también lechuga (y) por el valor de €0.7 por kilogramo, y
se canceló un total de €15.1. Pero, en este mes se ha pagado un total
de €18 por la compra de las mismas cantidades de hortalizas a unos
precios de €2 por kilogramo de espinacas y €1.2 por kilo de lechuga.

Entonces, ¿qué cantidad de cada producto se compró?
Respuesta: x=3, y=10.
6. A continuación, se presentan las cantidades de sólidos eliminados de

cierto material cuando se expone a periodos de secado de diferentes
duraciones:
Tabla 1.7. Cantidad de sólidos eliminados vs. Horas de secado.
x (horas) 0.5 1.0 1.5 2.0 2.5 3.0
y(gramos) 3.5 4.1 5.5 7.2 8.7 9.5
a. Construya un diagrama de dispersión de los datos.
b. Encuentre la recta de mínimos cuadrados que permite modelar la

situación.
Ejercicios – aplicación de GeoGebra
Para los sistemas de ecuaciones del ejercicio 5, dar la solución, si exis-
te, de forma gráfica.
Realizar las gráficas de las regiones factibles asociadas a las siguientes

restricciones:
a. x+y ≥ 4 b. 2x + y ≤ 18 c. 2x1 + x2 ≤ 100 d. 7x1 + 2x2 ≥ 28

y≤4 2x + 3y ≤ 42 x1 + x2 ≤ 80 2x1 + 12x2 ≥ 24
y≥x 3x + y ≤ 24 x1 ≤ 40 x1 ≥ 0
x ≥ 0, y ≥ 0 x1 ≥ 0 x2 ≥ 0
x2 ≥ 0
51
Capítulo 2. Matrices
¿Para qué sirven las matrices? Dicha pregunta suele formularse

repetidamente si nos limitamos a verlas como simples tablas
de elementos organizados. Sin embargo, en realidad, su apli-
cabilidad es muy extensa, dado que sobre dicho constructo
matemático se definen operaciones y ciertas propiedades que
permiten la solución de sistemas de ecuaciones de primer gra-
do con varias incógnitas; el ingreso de datos organizados en
"filas" y "columnas" en los diversos lenguajes de programación;
el estudio de las conexiones entre distintos núcleos urbanos
(urbanismo); la influencia de individuos en diversos grupos
(sociología); el análisis de producción, distribución y organi-
zación de las empresas (economía); el estudio de un mode-
lo estocástico (probabilidad y estadística); los problemas de
optimización de recursos (programación lineal), entre otros.
Por lo anterior, las matrices se consideran como herramientas
útiles en diversos campos de las ciencias naturales, aplicadas
y sociales, lo que se acrecienta debido al aporte de un lengua-
je facilitador y manejable a la hora de plantear y solucionar
problemas aplicables a las ramas anteriormente mencionadas.
De esta manera, en este capítulo se presentan los siguientes
temas: tipos de matrices, operaciones matriciales, cálculo de
determinantes y de matrices inversas.
53
En un salón de clases, la asignatura de inglés la han aprobado el 62,5% de

las niñas y el 80% de los niños; mientras que la asignatura de matemáticas
la han aprobado $87,5 de las niñas y el 60% de los niños. ¿Cuál es el nú-
mero de niñas y niños que hay en el salón de clases si en total aprobaron
Capítulo 2: Matrices
26 estudiantes inglés y 26 matemáticas?
Nótese que, de acuerdo a la información suministrada por el problema,

se consideran dos incógnitas a saber: el número de niños y niñas que
cumplen con dichas condiciones. Por tal motivo, suponga a x como el
número de niños y a y como la cantidad de niñas; ahora, de acuerdo a
los requerimientos establecidos por la situación, es posible contemplar
la existencia de dos escenarios que corresponden a los estudiantes que
aprobaron las asignaturas de inglés y matemáticas. Esta información se
resume en la tabla 2.1.
De esta manera, se tiene que los estudiantes que aprueban inglés (primera
columna) corresponden a 62.5% de las niñas y a 80% de los niños, lo que
en total se refiere a 26 estudiantes y que se puede resumir de acuerdo con
lo siguiente:
0.625x + 0.80y = 26
Tabla 2.1. Planteamiento de un problema a partir de la organización matricial de

la información.
Inglés Matemáticas
Niñas 62.5 % 87.5 %
Niños 80 % 60 %
Total 26 26
Para la asignatura de matemáticas (segunda columna), el 87.5% de las ni-

ñas y el 80% de los niños corresponden a 26 estudiantes, lo que se modela
matemáticamente así:
0.875x + 0.60y = 26.

54
Bajo dicho planteamiento, se tiene un sistema de ecuaciones de tamaño

2× 2, lo que, de acuerdo con lo anterior, cuenta con una solución única,
que corresponde a la dupla conformada por (20,16). Esto significa que en
total el salón de clases cuenta con 36 estudiantes, de los cuales 20 son
niños y 16 niñas. Este ejemplo es un primer acercamiento a la noción de

matriz, un arreglo bidimensional (para el caso) de elementos ordenados en
filas (o renglones).
Definición. 2.1. Matriz
Una matriz se define como un conjunto de elementos (en este libro se asu-
men como ), que están dispuestos en m filas y n columnas, de tal manera
que A es una matriz de tamaño m× n.
a11 a12 a1n

a21 a22 a2n
A= (2.1)
am1 am2 amm
Las matrices se denotarán usualmente por letras mayúsculas, A,B,…, y los

elementos de estas por minúsculas, a,b,…
Entonces, cada uno de los valores registrados en la matriz A, definida en

(2.1), se conoce como elemento o componente, y se distinguen por la posición
que ocupan dentro del arreglo. Esto se nota por aij siendo i la fila y j la co-
lumna , tal que 1≤ i≤ n,1≤ j≤ m. Por ejemplo, el elemento a21 representa el
valor en la fila 2 y la columna 1; a33 representa el valor en la fila 3 y columna
3. Ahora, el número de filas y de columnas de una matriz se denomina di-
mensión m× n, de tal manera que una matriz de 3 filas y 4 columnas tiene
una dimensión 3× 4, 2 filas y 2 columnas, dimensión 2× 2, entre otras. En
el caso particular en el que la matriz cuente con el mismo número de filas
que de columnas, se dice que es de orden: 2,3,4…
Se aclara que en este libro como notación matricial se utilizarán paréntesis

circulares, aunque suele ser normal observar en diversos textos que las ma-
trices se representen por paréntesis cuadrados. Finalmente, dos matrices se
consideran iguales cuando tienen la misma dimensión y los elementos que
ocupan el mismo lugar en ambas son iguales. De acuerdo con ciertas carac-
terísticas y aspecto que poseen las matrices, estas pueden ser clasificadas.
55
Tipos de matrices
En la Tabla 2.2. se presentan los diversos tipos de matrices junto con su de-
finición matemática; además, ejemplos de cada una y una breve observación
que permite establecer la característica principal de la misma. Es importante
recalcar que en algunos de los ejemplos se requiere de un proceso que veri-
fique su naturaleza, por tal razón, encontrará el símbolo (*) , el cual indica
que en próximos ejemplos se realizará tal desarrollo.
Tabla 2.2. Tipos de matrices y su caracterización.
Tipo de
Representación Ejemplo Observaciones
Matriz
Ejemplo 2.1.
El número de filas es
diferente al de colum-
Rectangular A=(aij ),1≤ i≤ n,1≤ j≤ m,i≠ j A= 0 1 4 nas, siendo su dimen-
1 2 –3
sión m× n .
Ejemplo 2.2.
Se conoce como vector
Fila A=(a11 a12 a13… a1n ) C=(–1 2 4 –2 0) fila (renglón). Su di-
mensión es 1× n .
Ejemplo 2.3.
a11
a21 –2 Se conoce como vector
A= a31 1
Columna columna. Su dimen-
C= 3
am1 –4 sión es m× 1
0
Ejemplo 2.4.
Tomando como refe-

rencia la matriz A se Tiene todos los ele-
tiene que su opuesta
mentos de signo
Opuesta –A=(–aij) es:
contrario a la matriz
original.
–A = 0 –1 –4
–1 –2 3
56
Ejemplo 2.5.
Se obtiene al convertir
Tomando como refe- las filas en columnas
rencia la matriz A se de una matriz cual-
tiene que su matriz
quiera de dimensión
Traspuesta (At )ij=Aij,1≤ i≤ n,1≤ j≤ m traspuesta es:
m× n . Se representa
0 con el superíndice “t”
1
At = 1 2 y su dimensión es, por
4 –3 tanto, n× m .
Ejemplo 2.6.
Igual número de filas
Cuadrada de
A=(aij ),1≤ i≤ n,1≤ j≤ m,i=j 5 que de columnas. Su
orden n D2 = 1 –3
2 dimensión es n× n
Ejemplo 2.7. Matriz cuadrada en

la que al menos uno
de los términos que
a11 a12 a1n están por encima de
0 a22 a2n 2 –4 3
Triangular A= la diagonal principal
E= 0 1 2
superior son distintos a cero
0 0 amm 0 0 –1
y todos los términos
situados por debajo de
la diagonal principal
son ceros.
Ejemplo 2.8. A diferencia de la

a11 triangular superior, al
0 0
a21 a22 0 menos uno de los tér-
Triangular A= 2 0 0 minos por debajo de la
inferior F = –1 1 0 diagonal principal son
am1 am2 amm 0 6 –1
distintos a cero y los
situados por encima
son ceros.
Ejemplo 2.9. Matriz cuadrada en

a11 0 0
a22 la que todos los ele-
0 0 2 0 0
Diagonal A= G= 0 3 0 mentos que no están
amm 0 0 –2 situados en la diagonal
0 0
principal son ceros.
Ejemplo 2.10.
a 0 0 Toda matriz diagonal
0 a 0 4 0 0 en la que todos los ele-
Escalar A= H= 0 4 0 mentos de la diagonal
0 0 a 0 0 4
principal son iguales.
57
Ejemplo 2.11. Matriz escalar cuyos

elementos de la diago-
1 0 0
1 0 0 0 nal principal valen uno;
0 1 0
Identidad I= I4 = 0 1 0 0 es decir, la diagonal
0 0 1 0 principal está formada
0 0 1 0 0 0 1
por 1 y el resto de los
elementos son 0.
Ejemplo 2.12.
0 0 0
0 0 0 0 0 0 0 Todos los elementos
Nula o=
o = 00 00 00 00 de la matriz son 0.
0 0 0 0 0 0 0
Ejemplo 2.13.
La multiplicación de
2 1 una matriz por sí mis-
Idempotente A2=A 3 3
J= 2 1
ma da como resultado
3 3 la misma matriz A. (*)
Ejemplo 2.14.
La multiplicación de
1 √3 una matriz por sí mis-
Involutiva A2=I
K= 2 2 ma da como resultado
√3 – 1
2 2 la matriz identidad I. (*)
Ejemplo 2.15.
Es aquella matriz
A=At 5 1 3
Simétrica L= cuadrada que es igual
1 8 2
3 2 5 a su traspuesta. (*)
Ejemplo 2.16.
Matriz cuadrada que
Antisimétrica
es igual al inverso
o hemisimé- A=–At 0 1 –8
M = –1 0 6 multiplicativo de su
trica
8 –6 0 traspuesta. (*)
Ejemplo 2.17.
Matriz que multiplica-
da por su traspuesta da
Ortogonal A . At=I
N = cosα sinα como resultado la ma-
–sina cosa
triz identidad.
58
Ejemplo 2.18. Una matriz es normal

si conmuta con su tras-
puesta; es decir, si
A . At=At . A.
P = 10 01
Normales
A . At=At . A Obviamente, si A es
simétrica, antisimétrica
u ortogonal, es necesa-
riamente normal. (*)
Escalonada Ejemplo 2.19.

Una matriz es esca-
a11 0 0 lonada si al principio
a22 0 0 3 0 0 de cada fila (columna)
A= 2 0 0
Q= 4 1 0 existe un elemento
am1 am2 0 –6 4 –3 nulo más que en la fila
(o columna) anterior.
Ejemplo 2.20.
Hallar la matriz transpuesta de las siguientes matrices:
a) A = 2 –4 At = 2 1
1 3 –4 3
1 –1 2 1 –1 2
b) B = –1 4 3 Bt = –1 4 3
2 3 2 2 3 2
0 1 4 0 1 5
c) C= 1 2 –3 Ct = 1 2 6
5 6 1 4 –3 1
1 4 2 3 1 1 5 6
d) D = 1 –1 4 3 Dt = 4 –1 3 3
5 3 2 3 2 4 2 2
6 3 2 3 3 3 3 3
–1 5 2 –3 –1 1 5
e) E= 1 5 4 3 Et = 5 5 3
5 3 2 0 2 4 2
–3 3 0
59
–1 1
f) –1 5 3
F= 1 5 0 Ft = 5 5
3 0
0 2 –4 0 –2 4
g) G = –2 0 3 Gt = 2 0 –3
4 –3 0 –4 3 0
Nótese que B es también la matriz traspuesta de sí misma, es decir Bt=B;

por tanto, la matriz se conoce como matriz simétrica. En cambio, para la
matriz G se tiene que Et=–E; por tanto, se le conoce como matriz antisimé-
trica o hemisimétrica.
Operaciones matriciales
Definición 2.2. Suma de matrices
Considere dos matrices A=(aij) y B=(bij) de dimensión m × n, tal que la

suma de ambas es la matriz resultante C con dimensión m × n, es decir:
a11 a12 a1n b11 b12 b1n

a21 a22 a2n b21 b22 b2n
A+B=(aij )+(bij )= + =
am1 am2 amm bm1 bm2 bmm
a11 + b11 a12 + b12 a1n + b1n

a21 + b21 a22 + b22 a2n + b2n
=C (2.2)
am1 + bm1 am2 + bm2 amm + b_mn
Por tanto, se concluye que para sumar matrices se debe cumplir lo siguiente:
1. Las matrices deben tener igual dimensión.
2. Se suman los elementos correspondientes a su posición.
Nota: La definición de suma de matrices es aplicable para su operación

inversa, es decir, para la resta de matrices, tal que:
A+B= (aij )+(bij )=C (2.3)

60
Si se cumplen también cada una de las condiciones atribuidas para la suma.
Ejemplo 2.21.
0 –4 1 1 2 3
Sean las matrices A= 1 3 2 y B= 4 1 3 , hallar:
2 1 4 –1 2 0
a) A+B
A+B=
0 –4 1 1 2 3
= 1 3 2 + 4 1 3
2 1 4 –1 2 0
0+1 –4+2 1+3

= 1+4 3+1 2+3
2+(–1) 1+2 4+0
1 –2 4
= 5 4 5
1 3 4
b) A-B
A–B=
0 –4 1 1 2 3
= 1 3 2 – 4 1 3
2 1 4 –1 2 0
0–1 –4 –2 1–3
=
1–4 3–1 2–3
2–(–1) 1–2 4–0
–1 –6 –2
= –3 2 –1
3 –1 4
61
c) B-A
B–A=
1 2 3 0 –4 1
= 4 1 3 – 1 3 2
–1 2 0 2 1 4
1–0 2–(–4) 3–1

=
4–1 1–3 3–2
–1 –2 2–1 0–4
1 6 2
= 3 –2 1
–3 1 –4
d) B-A
B–A=
1 2 3 0 –4 1
= 4 1 3 – 1 3 2
–1 2 0 2 1 4
1–0 2–(–4) 3–1

= 4–1 1–3 3–2
–1–2 2–1 0–4
1 6 2
= 3 –2 1
–3 1 –4
e. Nota: Se aclara que la operación de suma y resta entre matrices

no es conmutativa, por tanto, A – B ≠ B – A. Además, se nota que
A – B = –(B – A).
Definición 2.3. Multiplicación por un escalar
Considere la matriz B=(b{ij}) de dimensión m× n y α ∈ como el producto

entre el escalar y la matriz. Esta operación es conocida como multiplicación
por un escalar, y se define de la siguiente manera:
62
αB=α(bij )
b11 b12 b1n

=a b21 b22 b2n
bm1 bm2 bmm
ab11 ab12 ab1n

ab21 ab22 ab2n
= (2.4)
abm1 abm2 abmm
Teorema:
Considere las matrices A,B,C de dimensiones m× n y α, β ∈ (conocidos

como escalares). Si se cumple lo siguiente:
i. A+0=A
ii. 0A=O , siendo O la matriz nula
iii. A+B=B+A
iv. (A+B)+C=A+(B+C)
v. α(A+B)=α A+α B
vi. 1A=A
vii. (α+β)A=α A +β A
Nota: el inciso (iii) corresponde a la ley conmutativa para la suma de ma-

trices, (iv) a la ley asociativa para la suma y (v) a la ley distributiva para la
multiplicación por un escalar.
Ejemplo 2.22.
0 –4 1 1 2 3 0 2 1
Sean las matrices A = 1 3 2 , B= 4 1 3 y C= 4 3 –2 Hallar:
2 1 4 –1 2 0 2 0 1
A+2B+C
63
Solución:
Primero se reescribe la expresión A+2B+C en términos de las matrices

especificadas:
0 –4 1 1 2 3 0 2 1
A+2B+C= 1 3 2 +2 4 1 3 + 4 3 –2
2 1 4 –1 2 0 2 0 1
Ahora, se realiza la multiplicación por un escalar en el caso de 2C:
0 –4 1 2 4 6 0 2 1
= 1 3 2 + 8 2 6 + 4 3 –2
2 1 4 –2 4 0 2 0 1
En este momento es posible asociar las matrices, de tal manera que, para
este caso, se aplica la ley asociativa para las primeras dos matrices:
0 –4 1 2 4 6 0 2 1
= 1 3 2 + 8 2 6 + 4 3 –2
2 1 4 –2 4 0 2 0 1
2 0 7 0 2 1
= 9 5 8 + 4 3 –2
0 5 4 2 0 1
Finalmente, se operan las dos matrices resultantes:
2 2 8
A+2B+C= 13 8 6 .
2 5 5
Nota: se sugiere al lector revisar otras formas de asociatividad.
Ejemplo 2.23.
a. Verificar At + 2Bt + Ct=(A + 2B +C)t

64
Solución:
En principio, se procede a calcular las respectivas transpuestas de A,B y C,

tal que:
0 1 2 1 4 –1 0 4 2
At= –4 3 1 ,Bt = 2 1 2 Ct = 2 3 0
1 2 4 3 3 0 1 –2 1
Ahora, se calcula 2Bt:
1 4 –1 2 8 –2
2Bt = 2 2 1 2 = 4 2 4
3 3 0 6 6 0
Y se procede a realizar At+2Bt+Ct
0 1 2 2 8 –2 0 4 2
At+2Bt+Ct= –4 3 1 + 4 2 4 + 2 3 0
1 2 4 6 6 0 1 –2 1
0 +2 +0 1+8+4 2+(–2)+2
= –4 +4 +2 3+2+3 1+4+0
1 +6 +1 2+6+(–2) 4+0+1
2 13 2
= 2 8 5
8 6 5
De tal manera que, para comprobar la identidad, se desarrollar el extremo

derecho de la expresión. Es decir, (A+2B+C)t
65
t
0 –4 1 1 2 3 0 2 1
(A+2B+C)t= 1 3 2 +2 4 1 3 + 4 3 –2
2 1 4 –1 2 0 2 0 1
t
0 –4 1 2 4 6 0 2 1
= 1 3 2 + 8 2 6 + 4 3 –2
2 1 4 –2 4 0 2 0 1
t t
0 +2 +0 –4+4+2 1+6+1 2 2 8
= 1 +8 +4 3+2+3 2+6+(–2) = 13 8 6
2+(–2)+2 1+4+0 4+0+1 2 5 5
2 13 2
= 2 8 5 .
8 6 5
Teorema:
Dadas las matrices A y B, y el escalar α, se tiene lo siguiente:
i. La traspuesta de una matriz traspuesta es la matriz original (At )t=A.
ii. La suma traspuesta de matrices es igual a la suma de las matrices tras-

puestas (A+B)t=At+Bt.
iii. El producto traspuesto de una constante α por una matriz es igual al

producto de la constante h por la matriz traspuesta (α ∙ A)t=αAt.
iv. El producto traspuesto de la multiplicación de matrices es igual al pro-

ducto de la multiplicación de matrices traspuestas (A∙B)t=At ∙ Bt.
Ejemplo 2.24.
1 –2 –4
Sea la ecuación matricial A+B+C+X= 3 4 1 , hallar la matriz X.
4 –1 2
Solución:
1 –2 –4
Se despeja la matriz X, tal que X=–A–B–C– 3 4 1 , entonces X:
4 –1 2
66
–1 2 4
X=–A–B–C+ –3 –4 –1
–4 1 –2
–1 2 4
X=–[A+B+C]+ –3 –4 –1
–4 1 –2
0 –4 1 1 2 3 0 2 1
=– 1 3 2 + 4 1 3 + 4 3 –2
2 1 4 –1 2 0 2 0 1
–1 2 4 1 0 5 –1 2 4
+ –3 –4 –1 =– 9 7 3 + –3 –4 –1
–4 1 –2 3 3 5 –4 1 –2
–1 0 –5 –1 2 4
= –9 –7 –3 + –3 –4 –1
–3 –3 –5 –4 1 –2
–2 2 –1
= –12 –11 –4
–7 –2 –7
Por tanto, la matriz X que satisface la ecuación matricial corresponde a lo

siguiente:
–2 2 –1
–12 –11 –4
–7 –2 –7
Ejemplo 2.25.
x y x 6 4 x+y
Hallar x, y, z y w, si 4 = +
z w –1 2w z+w 3
Solución:
Si se reescribe, se tiene lo siguiente:
4x 4y x+4 6+x+y
+
4z 4w –1+z+w 2w+3
67
Ahora, si se iguala cada una de las componentes de las matrices, se tiene el

siguiente sistema de ecuaciones:
4x=x+4
4y=6+x+y
4z=–1+z+w
4w=2w+3
La solución del ejercicio es:
4 22 1 3 .
x= ,y= ,z= y w=
3 9 6 2
Nota: queda como ejercicio para el estudiante resolver el sistema de ecua-

ciones por métodos algebraicos.
Definición 2.4. Producto de matrices
Dos matrices A y B se consideran multiplicables si el número de columnas

de A coincide con el número de filas de B, de la siguiente forma:
Am× n. Bn× p= cm×p (2.5)
Nota: el elemento cij de la matriz producto se obtiene multiplicando cada

elemento de la fila i de la matriz A por cada elemento de la columna j de la
matriz B y luego sumándolos.
Ejemplo 2.26.
0 –4 1
Hallar A3, teniendo en cuenta que a A= 1 3 2
2 1 4
Solución:
En este caso, A3 corresponde a multiplicar tres veces la matriz A:

68
3
0 –4 1 0 –4 1 0 –4 1 0 –4 1
A= 1 3
3
2 = 1 3 2 1 3 2 1 3 2
2 1 4 2 1 4 2 1 4 2 1 4
0 –4 1 0 –4 1 0 –4 1
= 1 3 2 1 3 2 1 3 2
2 1 4 2 1 4 2 1 4
–2 –11 –4 0 –4 1
= 7 7 15 1 3 2
9 –1 20 2 1 4
–19 –29 40
= 37 8 81 .
39 –19 87
Ejemplo 2.27.
1 2 1 0 –1 2
Si las matrices A= –1 0 y B= 3 3 4 –2 , halle la matriz resultante
1 2
de A . B.
Solución:
Al organizar las matrices se tiene lo siguiente:
1 2
A. B = –1 0 . 1 0 –1 2
3 3 4 –2
1 2
(1 . 1)+(2 . 3) (1 . 0)+(2 . 3) (1. –1)+(2 . 4) (1 . 2)+(2 . –2)

= (–1 . 1)+(0 . 3) (–1 . 0)+(0 . 3) (–1. –1)+(0 . 4) (–1 . 2)+(0 . –2)
(1 . 1)+(2 . 3) (1 . 0)+(2 . 3) (1. –1)+(2 . 4) (1 . 2)+(2 . –2)
7 6 7 –2
= –1 0 1 –2 .
7 6 7 –2
69
Teorema:
Sean A,B y C matrices tales que la multiplicación entre ellas está bien defi-
nida; es decir, el número de filas y de columnas permite efectuar la opera-
ción. Entonces, se cumplen las siguientes propiedades:
i. Propiedad clausurativa: A . B es también una matriz.
ii. Existencia del elemento neutro: si A es una matriz de tamaño

m × m, entonces la matriz identidad Im × m es el elemento neutro,
tal que I A=. A I=A.
.
iii. Propiedad asociativa: (A . B) C=A(B . C)
iv. Propiedad distributiva: (A+B)C=A . C+B . C y C(A+B)=C . A+C . B.
Inversa de una matriz

Definición 2.5. Matriz inversa
Sean A y B matrices cuadradas de dimensión m × m, tal que lo siguiente:
A. B = B. A = I. (2.6)
Donde I es la matriz identidad de dimensión m × m, y B se conoce como la

matriz inversa de A y se denota como A-1.
Ejemplo 2.28.
1 1
–
3 3 3 3
Verificar que la matriz B = es la matriz inversa de A=
2
–
1 6 3
3 3
Solución:
1 1 1
– 3 .–
1
+ 3.
2 3. + 3 .–
1
3 3 3 3 3 3 3
A. B = 6 3
.
2 1
= 3
1
– .
6 –
1
+ 3.
2
6.
1 + .
3 –
3 3 3 3 3 3
1 0
= 0 1 = I2
70
De esta manera se cumple la ecuación (2.6); por tanto, B es la matriz in-

versa de A.
Uso de matrices en GeoGebra

Las matrices trabajadas anteriormente y sus operaciones se pueden repre-

sentar mediante GeoGebra. Para llevarlo acabo, se debe tener en cuenta
que el ingreso de una matriz debe ser como una lista de listas que contie-
nen las filas de la matriz; por ejemplo:
A = {{1,2,3},{4,5,6},{7,8,9}} representa la matriz a de tamaño 3x3:
1 2 3
A= 4 5 6
7 8 9
Ahora, en el caso de realizar la suma o la resta de matrices, bajo las condi-

ciones aquí expuestas, basta con ingresar las matrices previamente y hacer
uso de los símbolos “+” y “–”. En este caso en particular se define una
segunda matriz B = {{0,–2,3},{1,0,–1},{–3,1,2}}, su suma y su resta se es-
tablecen de la forma, A+B y A–B.
En el caso de la multiplicación, es importante distinguir entre el producto

por un escalar y la multiplicación entre matrices. Para el primer caso haga
uso de la siguiente sentencia:
Matriz * Número, por ejemplo, A*3, y obtendrá como resultado lo siguiente:
3 6 9
A*3= 12 15 18
21 24 27
Para multiplicar matrices basta con recordar que las filas de la primera y las
columnas de la segunda matriz deben tener el mismo número de elemen-
tos. Para este caso, supongamos {{1,2},{3,4},{5,6}}*{{1,2,3},{4,5,6}}, cuyo
resultado es una matriz de tamaño 3×3 {{9,12,15},{19,26,33},{29,40,51}}.
Finalmente, y con la intención de que el lector profundice al respecto, al-

gunos comandos relacionados con matrices son:
71
1. Determinante[Matriz]: calcula el determinante de una matriz.
2. Inversa[Matriz]: invierte la matriz.
3. Traspone[Matriz]: traspone la matriz.
4. Escalonada reducida[Matriz]: convierte la matriz a la forma reducida
escalonada por fila.
Cálculo de la inversa de una matriz por reducción de

renglones
Se conoce como método de reducción de renglones al proceso de aplicar

las operaciones elementales de renglón con el propósito de simplificar una
matriz. Dichas operaciones se consideran a continuación. Antes de eso,
suponga una matriz A de dimensión m × n, de manera que sea posible lo
siguiente:
1. Multiplicar un renglón por un escalar diferente de cero. Esto se denota

como CFi, siendo C ∈ .
2. Sumar el múltiplo de un renglón i a otro renglón j, el cual se denota

como Fi+CFj, siendo C ∈ .
3. Intercambiar dos renglones, el cual se denota por Fi↔ Fj.
Con la intención de calcular la inversa de una matriz cuadrada, si se aplica el

método de reducción de renglones, se debe partir de una matriz aumentada
conformada por las matrices A e I. Esto es (A│I), de tal manera que se llegué
a la siguiente matriz aumentada de la forma (I│A-1), siendo la parte de la
derecha la matriz inversa.
Ejemplo 2.29.
33
Hallar la matriz inversa de D= por medio del método de reduc-
63
ción de renglones.
72
Solución:
Para calcular la matriz inversa de D por el método de reducción de renglo-

nes se debe aumentar la matriz original con la Identidad y se siguen las
operaciones presentadas en medio de cada matriz.
3 3 1 0
6 3 0 1
1F:
F1:
1F:
3 1 1 1 1/3 0 F2: F2–6F1 1 1 1/3 0 F2:
3 2 1 1 1/3 0
6 3 0 1 0 –3 –2 1 0 1 2/3 –1/3
F1: F1–F2 1 0 –1/3 1/3
0 1 2/3 –1/3
–1/3 1/3
Finalmente, la matriz inversa es D1=
2/3 –1/3
Ejemplo 2.30.
2 1 4
Hallar la matriz inversa de E= 1 –1 2 por medio del método de re-
2 6 5
ducción de renglones.
Solución:
Para calcular la matriz inversa de E por el método de reducción de renglo-

nes se debe aumentar la matriz original con la Identidad y se siguen las
operaciones presentadas en medio de cada matriz.
73
2 1 4 1 0 0
1 –1 2 0 1 0
2 6 5 0 0 1
1 1 1 1
0 0
1 2 2 2 0 0 1 2 2 2
F1: 1 F1: F2: F2–F1 F3: F3–2F1
2
1 –1 2 0 1 0 0 –3 0 –
1
1 0
2 6 5 0 0 1 2 2
2 6 5 0 0 1
1 1 1 1 1
1 1/2 2 0 0 1 2 2 0 0 1 2 2 0 0
2 2F : 2 2
F2: – F3: F3–5F2
0 –3/2 0 –
1
1 0
3 2
0 1 0 1 2
– 0 0 1 0 1 –2 0
2 3 3 3 3
0 5 1 –1 0 1 0 5 1 –1 0 1 0 0 1 8 10 1
–
3 3
35
1 – 20 –2
17
– 19 –2
1 2 0 6 3 1 1 0 0 3 3
F1: F1 – F2: 1 –2
F1: F1–2F3 1 –2 2
0
0 1 0 3 0 0 1 0 3 3
3
0 0 1 8 10 0 0 1 8 10 1
–3 1 –3
3 3
17
– 19 –2
3 3
1 –2
Finalmente, la matriz inversa es D = -1
3 3
0
8 10 1
–
3 3
Cálculo de la inversa de una matriz 2×2 por la adjunta
a11 a12
Sea A una matriz de dimensión 2× 2 de la forma A2× 2= ,
a21 a22
tal que la matriz inversa de A es:
1 a22 –a12
A-1= (2.7)
|A| –a21 a11
a22 –a12
donde –a21 a11 se conoce como la matriz adjunta de A, Adj(A) y | A |
es el determinante de A, la cual se calcula de la siguiente manera:
| A |=a11 a22– a12 a21, (2.8)

74
De tal manera que A-1 existe sí |A |≠0.
En esta sección únicamente se revisa el caso del cálculo de la inversa de

una matriz de tamaño 2×2, debido a que en el capítulo 3 se profundiza-
rá en la obtención de determinantes, matrices adjuntas e inversas para

tamaños 3×3.
Ejemplo 2.31.
Aplicar la ecuación (2.7) para calcular la matriz inversa de lo siguiente:
A= 3
2
a)
1 4
B= 1
–1
b)
2 3
C= 2
6
b)
1 3
Solución:
a. Se verifica, en primera instancia, el determinante de A, |A|=10≠0,

de tal manera que
A-1= 1 4 –2 1 4 –2 = 2/5 –1/5

– .
(3×4 – 2×1) –1 3 10 –1 3 –1/10 3/10
b. Para la matriz B se tiene que su determinante es |B|=5≠0; por

tanto,
B–1= 1 3 1 1 3 1 3/5 1/5

= =
(1×3 –(–1)×2) –2 1 5 –2 1 –2/5 1/5
c. Para la matriz C se tiene que su determinante es |C|=0; lo que im-

plica que la matriz no tiene inversa.
75
Aplicaciones
Las matrices como herramientas matemáticas tienen bastante aplicabili-
dad en diferentes ámbitos del conocimiento. En esta sección estudiaremos
su uso en la estadística y las ciencias de la computación, por medio de los
grafos y los procesos de Márkov.
Matriz varianza – covarianza y matriz de correlaciones
Ejemplo 2.32.
Dando continuidad al ejemplo anterior, se presentan un par de matrices
estudiadas desde la estadística, las cuales son conocidas como matriz de

varianzas – covarianzas y matriz de correlaciones. La primera de ellas es
una matriz simétrica que tiene distribuidas las varianzas en la diagonal
principal y las covarianzas en los elementos fuera de la diagonal principal:
σ11
2
σ12 σ1m
σ21 σ22
2
σ2m
Σ= (2.9)
σn1 σn2 σnm2
En la que σ112 representa la varianza de la variable 1 respecto a su media y

σ12, y la covarianza de la variable 1 respecto a la variable 2. De esa manera,
esta matriz contiene información esencial de la variabilidad de los datos, y
para el caso en cuestión, corresponde a lo siguiente:
76
221,84 185,52
Σ=
185,52 188,56
Finalmente, la segunda matriz, la de correlaciones, es una representación or-

denada de los coeficientes de correlación de cada variable con la otra y consigo

misma (diagonal principal, que siempre equivale al valor de 1). Por ejemplo,
1 0.9070809
R=
0.9070809 1
Es así como r11=r22= 1 representa una correlación del 100%, lo que es

lógico, pues se está estudiando la relación consigo misma. y r12=r21=
0.9070809, la cual, en consecuencia, corresponde a una correlación aproxi-
mada del 91%; resultado que, desde la estadística, implica una correlación
lineal positiva fuerte, es decir, los datos tienen un comportamiento lineal,
tal como se muestra en la gráfica de dispersión.
Grafos
Conocidos como representaciones simbólicas mediante esquemas gráficos

de elementos que constituyen un sistema o conjunto, los grafos resultan
ser un ejemplo particular del uso de las matrices, en especial, en las cien-
cias de la computación.
Un grafo está definido por un conjunto de puntos llamados vértices o nodos

y un conjunto de pares de vértices denominados aristas o arcos. Si el grafo
tiene sus aristas o arcos sin orientar, el grafo se conoce como no dirigido, y si
tiene sus aristas o arcos orientados, es decir, si sus aristas vienen dadas por
pares ordenados, se le llaman grafos dirigidos o dígrafo.
77
Ejemplo 2.33.
Figura 2.1. Grafos no dirigidos y dirigidos.
Para el caso no dirigido, los vértices son { a,b,c,d,e}, los cuales están re-
presentados como puntos, y las aristas { ab,ad,ae,bc,cd,de} como una línea
que une dichos vértices. Mientras que, para el caso dirigido { a,b,c,d,e } y {
ab,ae,bc,bd,cd,da}, sus vértices y aristas están representados como puntos y
flechas que parten de un vértice (el primero de cada par) y llegan a otro (el
segundo de cada par), respectivamente.
Ahora, como formalización matemática, todo grafo, dirigido o no, puede

representarse mediante una matriz cuadrada que tiene como orden el nú-
mero de vértices del grafo. Dicha matriz recibe el nombre de matriz asociada
o matriz de adyacencia. Para construir las matrices de adyacencia de un grafo
no dirigido, como el del ejemplo, se deben ordenar los vértices y, si se tiene
una arista que une los vértices a y b en la matriz de adyacencia, se debe
poner un 1, tanto en la posición ab, como en la posición ba. Por ejemplo,
a b c d e
a 0 1 0 1 1
b 1 0 1 0 0
c 0 1 0 1 0
d 1 0 1 0 1
e 1 0 0 1 0
Finalmente, en el caso dirigido, al tener una flecha que parte del vértice
a y llega al vértice e, se debe poner un 1 en la posición ae de la matriz de
adyacencia. En el caso de no tener esa flecha, se relaciona un 0.
78
a b c d e
a 0 1 0 1 1
b 1 0 1 0 0
c 0 1 0 1 0
d 1 0 1 0 1
e 1 0 0 1 0
Ejercicios
1 1
–1 2 –3 4 2 4 2
1. Sean las matrices A= 3 0 ; B= 2 3 ; C= –2 0 –1 ;
–5 2 1 0 0 3 2
1 2 1/2
y D= 1 –2 3 ,calcule:
2 0 –1
a) A+B b) A–B c) B–A
d) C+D e) D+C
Respuestas:
–4 6 2 –2 –2 2
a)
5 3 b) 1 –3 c) –1 3
–4 2 –6 2 6 –2
3 9 5
d) 2 4 2
e) C+D
–1 –2 2
2 3 1
79
1 5 –2 0 3 2 1 2 –3
2. Dadas las matrices A= 2
–3 1 , B= 1 –1 –1 , C= 4 –5 –6
0 1 2
y D= 1 5 4 ,Calcule:
1 2 –4
a) 1 A b) – 1 B c) A+B+C
2 3
d) 2A–3B+C e) A+D e) 3A+4B–2C
Respuestas:
1 5 2
–1 0 –1 – 2 10 –3
2 2
f) g) 3 h)
3 1 7 –9 –6
1 –2 2 –1 1 1
3 3 3
3 3 –13 1 23 8
i) j) No es posible k)
5 –8 –1 2 –3 11
1 –1 1
0,5 0,3 0,1 2 3 7
3. Dadas las matrices A= 0,3 0,2 0,4 , B= 1
–1 1 y
5 5 3
0,2 0,5 0,5 1 2 1
–
6 9 5
1 1
0,4
2 5
C= 1
4
– 1 0,5 , calcule:
5
1
0,3 0,1
5
1
a) A b) –A c) A+B+C
4
d) –2A–B+4C e) 3(A+C) f) A – 1 B – 2C
4
80
Respuestas:
1 3 1 3
0.37 0.44
8 40 4 –0,5 –0,3 –0,1 2
3 1
a) 3 1 1 b) –0,3 –0,2 –0,4 c) – 1.23
40 20 10 4 5
–0,2 –0,5 –0,5 1
1 1 1 0,82 0,9
20 8 8 3
1
2 1.33 0.46 3 2,1 0,9 1 1 2
d) 0,2 –1 0.87 e) 1,6 0 2,7 f) 0 –4 2
2
0,97 0,82 – 1,5 1,8 2,1 –1 3 4
5
–x y x y 2 x–y
4. Hallar x,y,z y w si: 2 = +
z w –1 2 z–w 1
Respuestas: – 2 ,– 1 , 3 ,– 5
3 3 2 2
2 –1 1 –1 2
5. Dadas las matrices A= 1 1 y B= , calcule:
1 1 4
–3 4
a) AB b) BA c) (AB)2
d) [–3(AB)2]t e) 2(AB)t f) –(BA)t
Respuestas:
1 –3 0 –5 –3 –18
–5 6
a) 2 0 6 b) c) 8 36 0
–9 16
1 7 0 15 –3 42
2 4 2
15 –24 –45 5 9
d) 9 –108 9 e) –6 0 14 f)
–6 –16
54 0 –126 0 12 0
81
6. Haga uso del método de reducción de renglones para calcular la matriz

inversa de lo siguiente:
–1 2 3
A=
2 0 1
–2 2 1
–1 2 1
3 3 3
Respuesta A-1= –2 5 7
3 6 6
2
– 1 – 2
3 3 3
7. Dadas las siguientes matrices de adyacencia, represente los grafos co-

rrespondientes:
a b c d e a b c d ef
a 0 1 0 1 0 a 0 1 0 1 0 0
b 1 0 1 0 1 b 1 0 1 0 0 0
a) c 0 1 0 1 0 b) c 0 1 0 0 0 0
d 1 0 1 0 0 d 1 0 0 0 1 0
e e 0 0 0 1 0 0
0 1 0 0 0
f 0 0 0 0 0 0
Haga uso de las sentencias de GeoGebra para resolver los ejercicios

1 al 6 de esta sesión.
82
Capítulo 3. Determinantes
El determinante se conoce como una operación sobre matrices

cuadradas de dimensión m×m, cuyo resultado es un número
real. Con la intención de realizar una definición formal del
determinante, se consideran los siguientes conceptos previos:
1. Permutación de un conjunto de n elementos: conside-

re un conjunto de 3 números, por ejemplo, A={1,2,3}.
Se entiende por permutación de esos 3 números a las
distintas formas que tenemos de ordenar ese conjun-
to. De tal manera que las posibles permutaciones de
A son las siguientes:
{1,2,3},{1,3,2},{2,3,1},{2,1,3},{3,1,2},{3,2,1},
Un total de 6 permutaciones, número que coincide

con el valor factorial de 3, es decir 3!=3×2×1=6.
En general, si se tiene un total de n elementos y se

desean obtener todas las permutaciones que se pue-
den tener al ordenar esos n elementos, sería posible
conseguir un total de n! permutaciones.
84
2. Trasposición de una permutación: es el cambio de orden entre

dos elementos de una permutación. Por ejemplo, si se pasa de la
permutación {1,3,2} a la permutación {1,2,3}, se ha realizado una
trasposición debido al intercambiado los lugares del 2 y 3.
En ocasiones resulta conveniente obtener el número de traspo-

siciones necesarios para reordenar una permutación cualquiera y
transformarla en la permutación inicial {1,2,…,n}. Por ejemplo, las
siguientes permutaciones requieren los siguientes cambios:
• {3,2,1}→ {1,2,3}, lo que implica una sola trasposición,
• {2,3,1}→ {1,3,2} (cambio 1 por 2) → {1,2,3} (el 2 por el 3), y

se llevan a cabo un total de 2 trasposiciones.
Determinantes
De esta manera, y a partir de estos conceptos, se define el determinante de
una matriz cuadrada así:
Definición.3.1. Determinante de una matriz cuadrada
Si A es una matriz cuadrada de dimensión m × m, se define el determinante

de A (por notación det(A) o |A|) a la suma de los n! productos (signados)
que están formados por n factores y se obtienen al multiplicar n elementos
de la matriz. De tal forma que cada producto contenga un solo elemento
de cada fila y columna de A.
. a2j . a3j ... anj

n!
|A|= ∑ (–1)s k a1j

1 2 3 n
(3.1)
k=1
donde j1,j2,… jn es una de las n! permutaciones del conjunto 1,2,…,n, y sk

es el número de transposiciones requeridos para reordenar la permutación
j1,j2,… jn en el orden, {1,2,…,n}.
85
A partir de esta definición, se deduce la ecuación (2.6), si se parte de una

matriz
a11 a12
A2× 2= , se tiene que el número de permutaciones a considerar son
a21 a22
Capítulo 3: Determinantes
las siguientes:
• {1,2} con 0 trasposiciones
• {2,1} con 1 trasposición
Por lo tanto:
|A|=(–1)0 a11 . a22+(–1)1 a12 . a21=a11 a22– a12 a21.
Esta es la expresión matemática que textualmente se traduce como el pro-

ducto de los elementos de la diagonal principal menos el producto de los
elementos de la otra diagonal; es decir, un determinante de la matriz de
tamaño 2 × 2.
Ejemplo 3.1.
Hallar el determinante de las siguientes matrices de tamaño 2×2:
2 1 3 2 –4 2
a) A= b) B= c) C=
1 –1 1 1 1–1
2
Solución:
2 1
a) A=
1 –1
Se procede así:
2 1
|A|= =[(2)(–1)–(1)(1)]=(–2–1)=–3.
1 –1
86
3 2
b) B=
1 1
Se procede así:
3 2
|B|= =[(3)(1)–(2)(1)]=(3 – 2)=1.
1 1
–4 2
c) C=
1–1
2
Se procede así:
–4 2
|C|= =[(–4)(–0.5)–(2)(1)]=(2–2)=0.
1–1
2
Teorema resumen (determinante) – Sistemas 2 X2
Dado un sel de tamaño 2×2:
a11 x1+a12 x2=b1 a a x1 b1

→ a11 a12 x2 = b2
a21 x1+a22 x2=b2 21 22
Bajo la definición de un determinante de tamaño 2×2:
Sí el sel de tamaño 2×2 tiene una única solución, entonces, el deter-

minante da diferente de cero; de lo contrario, se dice que tiene infinitas
soluciones o es inconsistente.
Ejemplo 3.2.
¿Qué valor tiene el determinante del sistema de ecuaciones y qué tipo de
solución tiene?
3x1 – 6x2 = 2
A. → det(A)=18; tiene una única solución.
x1 + 4x2= – 4
87
x1 + x2= –2
B. → det(A)=2–2=0;
2x1 + 2x2= –4
tiene infinitas soluciones o es inconsistente. En este caso, tiene infinitas
soluciones por ser la misma ecuación. Simplemente cambia puesto que la
segunda fue multiplicada por un factor 2.
Representación geométrica de un determinante de

tamaño 2×2
Considere un paralelogramo con lados U y V:
Teniendo en cuenta que el área de este se calcula de la siguiente forma:
Área=X2 Y2 – X1 Y1= det(U,V)
Por tanto, el determinante de tamaño 2×2 se piensa como el área del

paralelogramo.
a11 a12 a13
Para el caso de una matriz de A = a21 a22 a23 ,se consideran las
3×3
a31 a32 a33
siguientes permutaciones:
88
• {1,2,3},transposiciones 0
Por tanto, si se aplica la ecuación (3.1) se tiene lo siguiente:
|A|=(–1)0a11 . a12 . a13+(–1)1a11 . a23 . a32+(–1)1a12 . a21 . a33

+(–1)1a13 . a22 . a31+(–1)2a13 . a21 . a32+(–1)2a12 . a23 . a31
=a11 a22 a33+a13 a21 a32+a12 a23 a31–a11 a23 a32–a12 a21 a33–a13 a22 a31,
Esta expresión se conoce como la regla de Sarrus. A continuación, se pre-

sentan dos ejemplos que permiten comprender dicha regla desde un punto
de vista didáctico.
Ejemplo 3.3.
–2 3 1
Halle el determinante de la matriz C3×3= 1 –1 2
2 4 5
Solución:
Para el cálculo de este determinante se utilizará la regla de Sarrus, de tal forma

que se añaden las dos primeras columnas a la parte posterior de la matriz.
De esta manera, se ve con mayor claridad cuáles son sus diagonales princi-
pales y cuáles las inversas para el cálculo de los productos.
89
–2 3 1
|C|= 1 –1 2
2 4 5
=(–2×–1×5)+(3×2×2)+(1×1×4)
=–(2×–1×1)–(4×2×–2)–(5×1×3)
=(10)+(12)+(4)–(–2)–(–16)–(15)
=10+12+4+2+16–15
=29.
Ejemplo 3.4.
1 –1 3
Halle el determinante de la matriz E3×3= 0 2 1
3 2 1
Solución:
Para el cálculo de este determinante, nuevamente se utilizará la regla de Sarrus.
+ + +
1 –1 3 1 –1
0 2 1 0 2
3 2 1 3 2
1 –1 3
|E|= 0 2 1
3 2 1
=(1×2×1)+(–1×1×3)+(3×0×2)
=–(3×2×3)–(2×1×1)–(1×0×–1)
=(2)+(–3)+(0)–(18)–(2)–(0)
=2–3+0–18–2–0
=–21.
90
Definición. 3.2. Matriz menor
Si A es una matriz cuadrada y el menor del elemento aij se denota como Mij
y es el determinante de la matriz que queda después de borrar el renglón
i y la columna j de A, el cofactor de aij se denota como Aij y está dado por

lo siguiente:
Aij=(–1)i+j|Mij | (3.2)
Ejemplo 3.5.
Determine el menor y el cofactor de los elementos a11 y a32 de la matriz A =
1 0 3
4 –1 2
0 –2 1
Solución:
Si se aplica la definición (3.2), se tiene lo siguiente:
–1 2
M11= –1 2
–2 1 |M11 |= =–1+4=3
–2 1
A11=(–1)1+1 M11=(–1)2 (3)=3
1 3 1 3
M32= |M32 |= =2–12=–10
4 2
4 2
A32=(–1)3+2 M32=(–1)5 (–10)=10
Hasta el momento se ha revisado el cálculo de determinantes para las ma-

trices 2× 2 y 3× 3. Con respecto a lo anterior, se aclara que la regla de Sarrus
es aplicable únicamente en el caso de las matrices de orden 3. A continua-
ción, se define como caso general el cálculo de determinantes para toda
matriz cuadrada n × n, y se parte del conocimiento de matrices menores
y cofactores.
91
Definición. 3.3. Determinante de una matriz n×n por expansión por cofactores
El determinante de una matriz A de n× n es la suma de los productos de

los elementos del i-ésimo renglón por sus cofactores.
De la definición anterior se tiene que, para el primer renglón, el determi-
nante de A por expansión de cofactores corresponde a lo siguiente:
• Si A es de tamaño 3× 3, |A|=a11 A11+a12 A12+a13 A13
• Si A es de tamaño 4× 4, |A|=a11 A11+a12 A12+a13 A13+a14 A14
• Si A es de tamaño n× n, |A|=a11 A11+a12 A12+a13 A13+...+a1n A1n
Ejemplo 3.6.
1 1 2
Halle el determinante de la matriz D= 0 1 2
1 2 5
Solución:
Este determinante será calculado por medio del método de cofactores y se

propondrán dos opciones diferentes para su solución. En primer lugar, se
encuentra el determinante tomando el primer renglón de la matriz como
referencia, de esta manera:
1 1 2
1 2 0 2 0 1
|D|= 0 1 2 =+1 –1 +2
2 5 1 5 1 2
1 2 5
=1[(1)(5)–(2)(2)]–1[(0)(5)–(2)(1)]+2[(0)(2) –(1)(1)]
=1(5–4)–1(0–2)+2(0–1)
=1(1)–1(–2)+2(–1)
=1+2–2
=1.
92
Ahora, se calcula el determinante tomando como referencia el segundo

renglón, que además se espera sea un proceso más simple debido a que
uno de los elementos de dicho renglón es cero (0). Por tanto, un cofactor
tomará el valor de cero y anulará la primera matriz menor, es decir:
1 1 2
1 2 1 2 1 1
|D|= 0 1 2 =–0 +1 –2
2 5 1 5 1 2
1 2 5
=–0[(1)(5)–(2)(2)]+1[(1)(5)–(2)(1)]–2[(1)(2)–(1)(1)]
=0+1(5–2)–2(2–1)
=1(3)–2(1)
=3–2
=1.
Como era de esperar, en esta oportunidad el proceso para calcular el deter-

minante fue corto a comparación de la primera opción.
Nota: queda como ejercicio para el estudiante resolver el determinante a

partir del tercer renglón.
Ejemplo 3.7.
2 3 –1
Halle el determinante de la matriz E= 1 –1 4
–1 1 0
Solución:
Este determinante se calculará por medio del método de cofactores y se

propone, para su solución, tomar como referencia el segundo renglón de
la matriz.
93
2 3 –1
3 –1 2 –1 2 3
|E|= 1 –1 4 =(–1) +(–1) –(4)
1 0 –1 0 –1 1
–1 1 0
=–1[(3)(0)–(–1)(1)]–1[(2)(0)–(–1)(–1)]–4[(2)(1)–(3)(–1)]
=–1(0+1)–1(0–1)–4(2+3)
=–1(1)–1(–1)–4(5)
=–1+1–20
=–20.
Ejemplo 3.8.
–1 2 –1 0
Halle el determinante de la matriz F= 1 –1 2 1
–1 1 –1 2
1 4 –1 2
Solución:
A partir del primer renglón de la matriz se procede con lo siguiente:
–1 2 –1 0
F= 1 –1 2 1
–1 1 –1 2
1 4 –1 2
–1 2 1 1 2 1 1 –1 1
= +(–1) 1 –1 2 –(2) –1 –1 2 +(–1) –1 1 2
4 –1 2 1 –1 2 1 4 2
1 –1 1
–(0) –1 1 –1
1 4 –1
=–1(15)–2(10)–1(–15)
=–15–20+15
=–20.
94
Propiedades
A continuación, en la tabla 3.1. se presentan las propiedades de los de-
terminantes que facilitan su cálculo, más aún cuando el tamaño de la
matriz cuadrada es superior a 3× 3. Además de ejemplos que permiten

su entendimiento.
Tabla 3.1. Propiedades de los determinantes.
Propiedad Ejemplo
Ejemplo 3.9.
El determinante de una ma- 7 –4 8 7 11 1
triz y de su transpuesta es el Sean, A= 11 2 0 y At= –4 2 0 , con
mismo: 1 0 17 8 0 17
|A|=|At | determinantes |A|=970 y |At |=970.
Ejemplo 3.10.
1 2 9 6
A= con |A|=–2 y B=
El determinante del producto Sean 3 4 7 10
de dos matrices cuadradas A y
con |B|=48, donde |A| ⋅ |B|=–96. Ahora, se
B es igual al producto de los
determinantes de A y de B. Si procede con el producto entre las matrices:
A y B son dos matrices cuadra-
23 26
das del mismo orden: A . B=
55 58
|A ⋅ B|=|A| ⋅ |B| Posteriormente, al calcular su determinante

|A ⋅ B|=–96 se comprueba la propiedad.
95
Ejemplo 3.11.
1 2 3
Sea A= 5 4 3 con |A|=–12, entonces sí k=2
2 1 2
Si se multiplica una fila (co-
lumna) por un número k, el y si se multiplica la primera columna de A por k se
determinante queda multipli- tiene A*=
cado por dicho número: 2 2 3
10 4 3
k|A|
4 1 2
De tal manera que su determinante es |A*|=24.

Por tanto, se cumple que 2|A|=24.
Ejemplo 3.12.
1 2 3
Sea |A|= 5 4 3 =–12, siendo A una matriz
2 1 2
Si A es una matriz de orden
n y k, entonces es un número de orden 3. Además, considérese k=2, entonces
real: al multiplicar la matriz por k se tiene:
|KA|=kn |A| 2⋅1 2⋅2 2⋅3

2|A|= 2⋅5 2⋅4 2⋅3 =–96.
2⋅2 2⋅1 2⋅2
Por tanto, se cumple que 23 (–12)=23 |A|.
Ejemplo 3.13.
1 2 0
|A|= 0 3 1 =3 y al intercambiar la fila 1
Sí
Si se intercambian dos ren-
1 2 1
glones (columnas) de un
determinante, entonces cam- con la fila 2, entonces:
bia su signo. 0 3 1
|B|= 1 2 0 =–3
1 2 1
96
Ejemplo 3.14.
Si en un determinante los
1+1 2 3 1 2 3 1 2 3
elementos de un renglón
5+2 4 3 = 5 4 3 + 2 4 3
(columna) son sumas de dos
2+3 1 2 2 1 2 3 1 2
sumandos, se puede descom-
poner en suma de dos deter-
–27=–12+(–15)
minantes.
–27=–27.
Ejemplo 3.15.
Si una matriz tiene un ren-
0 0 0 0 3 1
glón (columna) nulo(a), su
Sean |A|= 0 3 1 =0 y |B|= 0 –2 0 =0.
determinante vale cero.
1 2 1 0 2 1
Ejemplo 3.16.
2 4 2
Sea A= 2 3 1 una matriz tal que la fila 1 es
1 2 1
Si una matriz tiene dos ren-
glones (columnas) proporcio- dos veces la fila 3 y su determinante es
nales o iguales, entonces su
1 2 1
determinante vale cero.
|A|=0 B= 2 3 1 .
1 2 1
Una matriz con la fila 1 igual a la fila 3; por tanto, su

determinante es |B|=0.
Ejemplo 3.17.
Si un renglón (columna) pue-

3 4 1 2 ⋅ 2–1 2 ⋅ 3–2 2 ⋅ 1–1
de expresarse como combina-
ción lineal de otros renglones
|A|= 2 3 1 = 2 3 1
1 2 1 1 2 1
(columnas), su determinante
vale cero.
=0,
donde F1=2 ⋅ F2–F3.

97
Ejemplo 3.18.
1 2 3
Si a un renglón (columna) se |A|= 3 2 1 =–12.

2 1 3
suma una combinación lineal
de otros renglones (colum-
Ahora, al renglón número 1 se le aplica la siguiente
nas) paralelos, su determinan-
operación:
te no varía; es decir, si se suma
otro renglón (columna) multi-
F1=F1+2 ⋅ F2, entonces 2 ⋅ 3+1 2 ⋅ 2+2 2 ⋅ 1+3
plicado por un número real, su 3 2 1
determinante no varía. 2 1 3
=–12
Ejemplo 3.19.
Si A es una matriz diagonal,
su determinante es el pro- 4 0 0
ducto de los elementos de su |A|= 0 3 0 =12.
diagonal principal. 0 0 1
Ejemplo 3.20.
Si A es una matriz triangular
inferior, su determinante es el 5 0 0
producto de los elementos de |A|= 1 3 0 =15.
–3 2 1
su diagonal principal.
Ejemplo 3.21.
Si A es una matriz triangular
superior, su determinante es –2 1 2
el producto de los elementos |A|= 0 4 –3 =8.
de su diagonal principal. 0 0 –1
98
Ejemplo 3.22.
1 1 2 2
1 –1 2 0
Halle el determinante de la matriz F=
2 2 1 1
4 4 2 2
Solución:
En esta ocasión, resulta útil aplicar las propiedades de los determinantes,

particularmente se puede aplicar la siguiente propiedad:
Si una matriz cuadrada tiene dos filas o columnas proporcionales, su determinante es cero
Y como se puede observar, los renglones 3 y 4 de la matriz F son propor-

cionales puesto que el renglón 4 es dos veces el renglón 3. Por tanto, se
tiene lo siguiente:
1 1 2 2
1 –1 2 0
F= =0
2 2 1 1
4 4 2 2
Ejemplo 3.23.
2 0 4 4
3 –1 1 0
Halle el determinante de la matriz G=
0 2 4 1
1 3 2 2
Solución:
Si se hace uso de las propiedades de los determinantes, se simplifica el

cálculo del determinante de G al reducir por renglones; es decir:
99
2 0 4 4
3 –1 1 0
0 2 4 1
1 3 2 2
1 3 2 2 1 3 2 2 1 3 2 2
F1↔ F4 3 –1 1 0 F2: F2–3F1 0 –10 –5 –6 F4: F4–2F1 0 –10 –5 –6
0 2 4 1 0 2 4 1 0 2 4 1
2 0 4 4 1 3 2 2 0 –6 0 0
De tal manera que el cambio de renglones efectuado como primer paso

cambia el signo del determinante de la matriz G, mientras que las siguien-
tes dos operaciones entre renglones no afectan el valor del determinante.
Tal que lo siguiente
1 3 2 2
0 –10 –5 –6
|G|=(–1)
0 2 4 1
0 –6 0 0
se puede seguir reduciendo, pero se puede observar que el último renglón

contiene una considerable cantidad de ceros (0); por tanto, se procede a cal-
cular el determinante por cofactores por medio del tercer renglón:
1 3 2 2
1 2 2
0 –10 –5 –6
|G|=(–1) =(–1)(+1)(–6) 0 –5 –6
0 2 4 1
0 4 1
0 –6 0 0
Nótese que, el primer factor (–1) corresponde a la ya nombrada aplicación

de la propiedad del cambio de renglones, el segundo factor (+1) se refiere
al signo del cofactor, el cual en este caso es (–6); por último, el determi-
nante de la matriz menor
1 2 2
0 –5 –6 =19.
0 4 1
100
Entonces, se tiene lo siguiente:
1 3 2 2
0 –10 –5 –6
|G|=(–1) =(–1)(+1)(–6)(19)=114.
0 2 4 1
0 –6 0 0
Finalmente, se concluye este ejercicio si se desarrolla en su totalidad por

medio del método de cofactores para una matriz 4×4. Por tal razón, se toma
como referencia el primer renglón, puesto que contiene un cero (0) como
elemento. Para simplificar dicho cálculo se hace lo siguiente:
2 0 4 4
3 –1 1 0
|G|=
0 2 4 1
1 3 2 2
–1 1 0 3 1 0 3 –1 0 3 –1 1
=2 2 4 1 –0 0 4 1 +4 0 2 1 –4 0 2 4
3 2 2 1 2 2 1 3 2 1 3 2
=2(–7)–0(19)+4(2)–4(–30)
=–14+0+8+120
=114.
Nota: queda como ejercicio para los estudiantes resolver los determinan-
tes de las matrices menores que resultaron del último paso del ejemplo
anterior.
Cálculo de la inversa de una matriz n × n por la

adjunta
Ahora que se conoce la teoría acerca del cálculo de determinantes y sus
propiedades, se retoma el tema de las inversas de una matriz. Por esto es
que, a continuación, se presentan algunos ejemplos que permiten com-
prender el cálculo de inversas al aplicar lo siguiente:
A-1= 1 Adj(A) (3.3)

|A|
101
Con |A|≠0 y siendo Adj(A), la matriz conocida como adjunta de una matriz
se entiende como la matriz transpuesta de cofactores.
Ejemplo 3.24.
2 1 4
Hallar la inversa de la matriz E= 1 –1 2
2 6 5
Solución:
A continuación, se soluciona la inversa de la matriz E por el método de la

matriz adjunta. Para ello, se calcula en primera instancia su determinante
utilizando la regla de Sarrus.
+ + +
2 1 4 2 1
1 –1 2 1 –1
2 6 5 2 6
2 1 4
|E|= 1 –1 2 =(2×–1×5)+(1×2×2)+(4×1×6)
2 6 5
=–(2×–1×4)–(6×2×2)–(5×1×1)
=(–10)+(4)+(24)–(–8)–(24)–(5)
=–10+4+24+8–24–5
=–3.
Una vez calculado el determinante se aplica la ecuación para el cálculo de

la inversa de una matriz de tamaño 3× 3.
2 1 2
Después, se procede a calcular la matriz transpuesta E , tal que E =
t t 1 –1 6 .
4 2 5
En seguida, las determinantes de cada una de las matrices menores de

tamaño 2× 2 de la matriz Et, así:
102
–1 6 1 6 1 –1
=–17 =–19 =6
2 5 4 5 4 2
1 2 2 2 2 1
=1 =2 =0
2 5 4 5 4 2
1 2 2 2 2 1
=8 =10 =–3
–1 6 1 6 1 –1
De esta manera, se procede a crear la matriz de cofactores. Para esto, se

usan los resultados de los pasos anteriores con el fin de crear una matriz
de cofactores nueva y alinear el determinante de cada una de las matrices
de 2× 2 con su posición correspondiente en la matriz original. Por ejem-
plo, el determinante que se calculó para el término E1,1 de la matriz original
debe ir en la posición (1,1) en la matriz de cofactores. Luego, se cambia
alternativamente el signo de los términos de esta matriz nueva según el
patrón de se muestra a continuación:
+ – +
– + – ,
+ – +
de lo que resulta
+(–17) –(–19) +(6) –17 19 6

Adj(E)= –(1) +(2) –(0) = –1 2 0 .
+(8) –(10) +(–3) 8 –10 –3
Finalmente, se aplica la ecuación (3.3) y se obtiene la matriz inversa:
17 – 19 –2
–17 19 6 3 3
E-1= – 1 –1 2 0 = 1 – 32 0 .
3 3
8 –10 –3 –8 10
3 3 1
Ejemplo 3.25.
1 2 3
Halle la matriz inversa de F= 0 1 4
5 6 0
103
Solución:
A continuación, se soluciona la inversa de la matriz F por el método de la

adjunta. Para ello, se calcula en primera instancia su determinante utilizando
la regla de Sarrus.
+ + +
1 2 3 1 2
0 1 4 0 1
5 6 0 5 6
1 2 3
F= 0 1 4 =( 1×1×0)+(2×4×5)+(3×0×6)
5 6 0
=–(5×–1×3)–(6×4×1)–(0×0×2)=1.
Una vez calculado el determinante se aplica la ecuación 3.3 en la matriz F,

se procede a cacular entonces la matriz transpuesta, Ft, tal que
1 0 5
F= 2 1 6 .
t
3 4 0
Ahora, se calculan las determinantes de cada una de las matrices menores

de tamaño 2× 2 de la matriz Ft:
1 6 2 6 2 1
=–24 =–18 =5
4 0 3 0 3 4
0 5 1 5 1 0
=–20 =–15 =4
4 0 3 0 3 4
0 5 1 5 1 0
=–5 =–4 =1
1 6 2 6 2 1
La matriz adjunta resultante es:
–24 18 5
Adj(F)= 20 –15 –4
–5 4 1
104
Finalmente, se aplica la ecuación (3.3) y se obtiene la matriz inversa:
–24 18 5 –24 18 5
F-1= 1 20 –15 –4 = 20 –15 –4
1
–5 4 1 –5 4 1
Aplicaciones
Criptograma
La criptografía es la técnica que permite proteger información o documen-

tos por medio de un mensaje escrito en un código secreto, conocido como
criptograma. Las matrices juegan un papel muy importante en este tipo de
técnicas, puesto que para crear criptogramas se debe asignar un número a
cada letra del alfabeto (el cero representa espacios en blanco).
A=1 G=7 M=13 R=19 X=25
B=2 H=8 N=14 S=20 Y=26
C=3 I=9 Ñ=15 T=21 Z=27
D=4 J=10 O=16 U=22 .=28
E=5 K=11 P=17 V=23 _=29
F=6 L=12 Q=18 W=24
Luego, el mensaje es convertido a números y se divide en matrices fila sin co-

dificar, cada uno con "n" elementos (a la escogencia del usuario). Se encripta
multiplicando cada matriz fila formada por n elementos por una matriz cua-
drada de orden n que tenga inversa. El resultado es el mensaje encriptado (a
la matriz cuadrada utilizada la llamamos matriz clave).
Ejemplo 3.26.
Encripte las palabras “algebra lineal” utilizando matrices filas de tres ele-
mentos.
A L G E B R A L I N E A L .
1 12 7 5 2 19 1 29 12 9 14 5 1 12 28
105
Complicamos el cifrado al multiplicar cada 3 elementos por una matriz de

orden tres invertible. Por ejemplo:
1 2 3
A= 0 1 4
5 6 0
1 2 3
(1 12 7) . 0 1 4 =(36 56 51)
5 6 0
1 2 3
(5 2 19) . 0 1 4 =(100 126 23)
5 6 0
1 2 3
(1 29 12) . 0 1 4 =(61 103 119)
5 6 0
1 2 3
(9 14 5) . 0 1 4 =(34 62 83)
5 6 0
1 2 3
(1 12 28) . 0 1 4 =(141 182 51)
5 6 0
Por tanto, el mensaje cifrado corresponde a lo siguiente:
36 56 51 100 126 23 61 103 119 34 62 83 141 182 51
Ahora, ¿es posible decodificar un mensaje cifrado? En este caso, la res-

puesta es afirmativa, y para su decodificación es necesario conocer la ma-
triz clave A y calcular su respectiva inversa.
Se procede, entonces, a multiplicar cada matriz fila de orden tres (formada

por tres elementos del mensaje cifrado) por la matriz inversa de A.
–24 18 5
A = 20 –15 –4
-1
–5 4 1
106
–24 18 5
(36 56 51) . 20 –15 –4 =(1 12 7)
–5 4 1
–24 18 5
(100 126 23) . 20 –15 –4 =(5 2 19)

–5 4 1
–24 18 5
(61 103 119) . 20 –15 –4 =(1 29 12)
–5 4 1
–24 18 5
(34 62 83) . 20 –15 –4 =(9 14 5)
–5 4 1
–24 18 5
(141 182 51) . 20 –15 –4 =(1 12 28)
–5 4 1
Los anteriores son los valores originales que conforman la frase “algebra
lineal”.
Ejercicios
1 2 –2 4
1 1 2
2 –1 , 1 –1 0 1 ,
1. Si las matrices A= B= 0 –4 2 , C=
0 1 1 –3 –2 1
–1 3 4
2 4 –4 8
entonces halle:
a) |A| b) |B| c) B-1
d) |C| e) C-1 f) |Bt|

107
Repuestas:
11 –1 –5
16 16 16
a) 2, b) –32, c) B-1= 1 3
– 16 1 , d) 0
16 16
1 1 1
8 8 8
e) No es invertible, f) -32.
2. Encuentre el valor del determinante teniendo en cuenta el parámetro

2a a a a
a y use únicamente las propiedades A= a 2a aa
a a a2a
a a a 2a
Repuesta: 5a4
a b c
3. Partiendo del determinante p q r =7, encuentre el valor de los
x y z
siguientes determinantes sin desarrollarlos y use únicamente las propie-

dades:
a) a+2x b+2y c+2z b) –b c+b 5a

P q r –q r+q 5p
2x+p 2y+q 2z+r –y z+y 5x
Respuesta:
a) 14, b) –35
4. Dadas las matrices siguientes:
0 1 , 2 1 , 2 1
A= B= C=
1 0 1 1 0 2
108
Halle el determinante del producto de las matrices A . B . C.
Respuesta: –4
5. Calcule el determinante de la transpuesta de la matriz:
1 2
A=
0 3
Respuesta: 3
6. Haga uso de la eliminación por renglones para reducir la siguiente

matriz de tamaño 5×5 en una matriz triangular y, por medio de las
propiedades de los determinantes, calcule su resultado:
2 –3 8 5 4
A= 7 1 5 3 –4
4 3 2 6 2
15 2 –7 9 5
3 4 2 –2 –2
Respuesta: 24409
7. Encripte las siguientes frases:
a. Matriz inversa.
b. Determinante de una matriz.
Haga uso de la matriz clave:
–1 0 2
A= 0 –1 5
1 2 3
Resuelva los ejercicios 4 y 5 de esta sección haciendo uso de los co-

mandos de GeoGebra.
109
Capítulo 4. Métodos
matriciales en la
solución de sistemas de
ecuaciones lineales
Un sistema de ecuaciones lineales (sel) es una colección de

dos o más ecuaciones lineales, cada una con dos o más varia-
bles (incógnitas). La solución de un sel consta de valores de
las variables que son verificados en cada ecuación.
Al conjunto de todas las soluciones se le llama conjunto solu-

ción (cs) del sel.
Métodos matriciales
Solución de sel por el método de eliminación de
renglones (Gauss-Jordan)
El método de Gauss-Jordan utiliza operaciones con matrices

para resolver sistemas de ecuaciones de n número de varia-
bles. Para aplicar este método solo hay que recordar que cada
operación que se realice se aplicará a toda la fila o a toda la co-
lumna, según sea el caso. En esta oportunidad se denotará de
la forma F : KF , indicando que la operación se efectuará sobre
n n
la n-ésima fila (reglón).
El objetivo de este método es tratar de convertir la parte de la

matriz en la que están los coeficientes de las variables en una
matriz identidad (I). Esto se logra mediante simples operacio-
nes de suma, resta y multiplicación.
111
El procedimiento es el siguiente: primero, se debe tener el sistema de ecua-

ciones que se quiere resolver y que puede ser de n número de variables, por
ejemplo:
a11x1 + a12x1 + + a1nx1 = b1 a11 a12 a1n b1
Capítulo 3: Métodos matriciales en la solución de sistemas de ecuaciones lineales

a21x1 + a22x1 + + a21x1 = b2 a21 a22 a21 b2
→ (4.1)
an1x1 + an2x1 + + anmx1 = bm an1 an2 anm bm
→
Luego, la información se resume en una matriz aumentada de la forma [A|b]
→
en la que A es la matriz de coeficientes y b el vector de resultados, hasta ob-
tener, por medio del uso de las operaciones entre renglones, a la izquierda la
→
matriz identidad I y a la derecha el vector de resultados transformado b*. Este
→
último vector es la solución del sistema de ecuaciones [I|b].
Operaciones elementales entre renglones
Sea la siguiente matriz:
–1 2 3
–2 3 5
2 –4 1
Por medio de la cual vamos a iniciar las operaciones elementales entre

matrices.
i. Suma entre renglones
Ejemplo 4.1.
Es posible realizar la suma entre renglones de una matriz, para ello se

denota lo siguiente:
–1 2 3 –3 5 8
F1+F2
–2 3 5 –2 3 5
2 –4 1 2 –4 1
112
ii. Producto de un renglón por un escalar
Ejemplo 4.2.
En este caso, se afirma que es posible multiplicar una fila (renglón) por
cualquier escalar, menos el cero.
–1 2 3 1
–1 2 3
F
–2 3 5 2 2
–2 3 5
2 –4 1 2 2
2 –4 1
–1 2 3 –1 2 3
–F3
–2 3 5 –2 3 5
2 –4 1 –2 4 –1
iii. Intercambio de renglones
Ejemplo 4.3.
–1 2 3 –2 3 5
F1 ↔ F2
–2 3 5 –1 2 3
2 –4 1 2 –4 1
A continuación, se presenta el proceso por medio del cual es posible con-

–1 2 3
vertir la siguiente matriz de coeficientes en una matriz
–2 3 5
2 –4 1
con elementos que únicamente son 1 y 0. Esto se conoce como matriz

identidad y se representa, en este caso, I3×3=I3= 1 0 0
0 1 0 .
0 1
Observe cada una de las operaciones indicadas, previa a cada matriz:
1 –2 –3 1 –2 –3 1 –2 –3
–F1 F2 + 2F1 F3 + 2F1
–2 3 5 0 –1 –1 0 –1 –1
2 –4 1 2 –4 1 0 0 –5
113
De esta manera, se puede observar que la primera columna ya cuenta con

los elementos 1, 0 y 0:
1 –2 –3
0 –1 –1 .

0 0 –5
Ahora, se procede a transformar la segunda columna con los elementos

0,1 y 0:
1 –2 –3 1 –2 –3 1 0 –1 1
F
1 0 –1
–F2 F1 + 2F2 –5 3
0 –1 –1 0 1 1 0 1 1 0 1 1
0 0 –5 0 0 –5 0 0 –5 0 0 1
De esta manera, se cumple el objetivo:
1 0 –1
0 1 1
0 0 1
Finalmente, se procede a convertir los elementos de la última columna de

0,0 y 1:
1 0 –1 1 0 –1 1 0 0
0 1 1 F2 – F3 0 1 0 F1 + F3 0 1 0
0 0 1 0 0 1 0 0 1
En este ejercicio, los elementos en las posiciones a11,a22 y a33 son considera-
dos como elementos de referencia para realizar las operaciones entre renglo-
nes, elementos conocidos bajo el nombre de “pivotes” de la matriz
Ejemplo 4.4.
Convierta la matriz en identidad:
2 3 4
–1 2 –1
–2 3 4
114
Solución:
2 3 4 1 1 3/2 2 F2 + F1
1 3/2 2 F3 + 2F1
1 3/2 2
F
2 1
–1 2 –1 –1 2 –1 0 7/2 1 0 7/2 1
–2 3 4 –2 3 4 –2 3 4 0 6 8
2 1 3/2 2 1 3/2 2 3 1 0 11/7

F F3 – 6F2 F1 – F
7 2 2 2
0 1 2/7 0 1 2/7 0 1 2/7
0 6 8 0 0 44/7 0 0 44/7
7
F
1 0 11/7 7
F
1 0 11/7 1 0 11/7 1 0 1
44 3 44 3 F2 – 2/7F3 F1 – 11/7F3 .
0 1 2/7 0 1 2/7 0 1 0 0 1 0
0 0 44/7 0 0 1 0 0 1 0 0 1
Tabla 4.1. Operaciones entre renglones para convertir una matriz cuadrada en identidad.
Representación matricial Proceso
1 a12 a1n b1* F1: KF1

Multiplicar la fila 1 por una constante k, de tal
a21 a22 a2n b2*
manera que el elemento a11 se convierta en 1, en otras
an1 an2 ann bn* palabras, por el inverso multiplicativo de a11.
1 a12 a1n b 1* Sumar (restar) a la fila 2, k-veces la fila 1,

F2: F2+kF1
0 a22 a2n b 2* tal que el elemento a21 sea igual a cero (0).
an1 an2 ann bn*
1 a12 a1n b1* Fi:Fi+kF1 Sumar (restar) a la i-ésima fila, -veces la fila
0 a22 a2n b2* 1, de tal manera que todos los elementos de la prime-
ra columna ai1 sean iguales a cero (0), a excepción de
0 an2 ann bn*
a11. Para ello, se repite hasta la fila n-ésima.
1 a12 a1n b1* F2:kF2

Multiplicar la fila 2 por una constante k tal que
0 1 a2n b2* el elemento a22 se convierta en 1, en otras palabras, por
ann el inverso multiplicativo de a22.

0 an2 bn*
115
1 0 a1n b1*
Sumar (restar) a la i-ésima fila, k-veces la fila
Fi:Fi+kF1
0 1 a2n b2*
2, de tal manera que todos los elementos de la segunda
ann bn* columna sean iguales a cero (0), a excepción de Para
0 0
ello, se repite hasta la fila n-ésima.

Tal como se hizo con las dos primeras columnas, se
repite el proceso cumpliendo con el objetivo de trans-
formar la matriz de coeficientes en la matriz identidad
I. Entonces, el vector con los elementos (b1*,b2*… bn*)
1 0 0 b1* es la solución del sistema de ecuaciones. Es impor-
0 1 0 b2* tante aclarar que esto último no siempre sucede, es
posible que el sistema tenga infinitas soluciones o sea
0 0 1 bn* inconsistente.
Debido a que la eliminación Gauss-Jordan se basa en el

método de reducción de renglones, existe la posibilidad
de realizar intercambio de renglones si así lo desea.
Ejemplo 4.5. Sistema de ecuaciones con solución única
Solución de sel por Gauss-Jordan:
2x–3y+4z=1
–2x+y–2z=4
–4x+2y+3z=–1
2 –3 4 1 1 1 – 3/2 2 1/2
F2 +2F1
1 – 3/2 2 1/2
F
2 1
–2 1 –2 4 –2 1 –2 4 0 –2 2 5
–4 2 3 –1 –4 2 3 –1 –4 2 3 –1
1 – 3/2 2 1/2 – 1 F2
1 – 3/2 2 1/2 1 – 3/2 2 1/2
F3 +4F1 F3 +4F2
2
0 –2 2 5 0 1 –1 –5/2 0 1 –1 –5/2
0 –4 11 1 0 –4 11 1 0 0 7 –9
F1+ 3 F
1 0 1/2 –13/4 1 1 0 1/2 –13/4 1 0 1/2 –13/4
F F2 +F3
2 2 7 3
0 1 –1 –5/2 0 1 –1 –5/2 0 1 0 –53/14
0 0 7 –9 0 0 1 –9/7 0 0 1 –9/7
1 0 0 –73/28
1
F1 – F
2 3 0 1 0 –53/14
0 0 1 –9/7
116
Solución: – 73 ,– 53,– 9
28 14 7
Figura 4.1. Representación gráfica de un sistema de ecuaciones con solución única.
Ejemplo 4.6. Sistema de ecuaciones con infinitas soluciones
2x–3y+4z=1
–2x+y–2z=4
–4x+6y–8z=–2
2 –3 4 1
–2 1 –2 4
–4 6 –8 –2
1
2 – 3/2 2 1/2 1 – 3/2 2 1/2
F F2 +2F1
2 1 –2 1 –2 4 0 –2 2 5
–4 6 –8 –2 –4 6 –8 –2
1 – 3/2 2 1/2
F3 +4F1
0 –2 2 5
0 0 0 0
En este caso, queda una fila completa de ceros; por tanto, se asume que el
sistema tiene infinitas soluciones. Esto se escribe de la siguiente forma:
117
x – 3/2y + 2z = 1/2
– 2y + 2z = 5
0x + 0y + 0z = 0
En el renglón que queda la fila de ceros se expresa en términos de un

parámetro:
x – 3/2y + 2z =1/2
–2y + 2z = 5
z=z
3 1 → 3 5 1 3 15 1 1 15 1 1 13
x= y–2z + z– – 2z + = z– – 2z + =– z– + =– z–
2 2 2 2 2 2 4 2 2 4 2 2 4
y = – 2z +5 =z – 5
–2 2
z=z
Respuesta:
Solución múltiple o infinitas soluciones:
1 13 5
– z– , z– , z
2 4 2
¿Por qué infinitas soluciones?:
Si z=0
13 , – 5
– ,0
4 2
Si z=1
15 , – 3
– ,1
4 2
En este paso se pueden dar infinitos valores para z, de tal manera que,
asimismo, tendremos infinitas soluciones.
118
Figura 4.2. Representación gráfica de un sistema de ecuaciones con infinitas soluciones.
Ejemplo 4.7. Sistema de ecuaciones inconsistente
2x – 3y + 4z= 1
–2x + y – 2z= 4
–4x + 6y – 8z = 10
2 –3 4 1 1 2 – 3/2 2 1/2
F2 +2F1
1 – 3/2 2 1/2
F
2 1
–2 1 –2 4 –2 1 –2 4 0 –2 2 5
–4 6 –8 10 –4 6 –8 10 –4 6 –8 10
F3 +4F1
1 – 3/2 2 1/2
0 –2 2 5
0 0 0 12
Nota: en el caso de que una fila (renglón) dé como resultado ceros, pero al
otro lado del igual un número distinto de cero, entonces, se dice que el sel
es inconsistente o que no tiene solución. Entonces, se tendría lo siguiente
en este caso:
0x + 0y + 0z =12
0≠ 12
Lo que ratifica que es una inconsistencia.

119
Solución de sel por el método de Gauss
El método de eliminación de Gauss consiste en transformar un sel en

otro equivalente por medio de la reducción de renglones. De forma que
este sea escalonado (triangular superior o inferior) y, por el método

algebraico de sustitución, se encuentren los valores de las incógnitas.
Ejemplo 4.8.
2x+3y+4z=2
–5x–2y+4z=–5
3x–y+z=1
2 3 4 2 1 1 3/2 2 1 1 3/2 2 1
F F2 +5F1
2 1
–5 –2 4 –5 –5 –2 4 –5 0 11/2 14 0
3 –1 1 1 3 –1 1 1 3 –1 1 1
1 3/2 2 1 2 1 3/2 2 1 11 1 3/2 2 1

F3 +3F1 F F3+ F
0 11/2 14 0 11 2 0 1 28/11 0 2 2 0 1 28/11 0
0 – 11/2 –5 –2 0 – 11/2 –5 –2 0 – 11/2 –5 –2
F1– 3 F 1 0 –20/11 1 1
F
1 0 –20/11 1
2 2 9 3
0 1 28/11 0 0 1 28/11 0
0 0 9 –2 0 0 1 –2/9
La matriz en color rojo es una matriz conocida como triangular superior.
(1)x+0y– 20 z=1
11
(2)0x+1y+ 28 z=0
11
(3)0x+0y+1z=– 2 → z=– 2
9 9
120
En casos como este es que se aplica el método de sustitución:
(2)0x+1y+ 28 z=0
11
1y+ 28 – 2 =0
11 9
y – 56 =0
9
y= 56
99
Finalmente, se hace una sustitución para la primera ecuación:
(1)x+0y– 20 z=1
11
2
x– 20 – =1
11 9
x+ 40 =1
99
x=1 – 40 → x= 59
99 99
Resultado:
59 , 56 , – 2
(x,y,z)=
99 99 9
Ejemplo 4.9.
4x –y –7z=1
2x +3y +z=0
x +3y –4z –1
4 –1 –7 1 1 3 –4 –1
F2 +2F1 1 3 –4 –1
F1↔F3
2 3 1 0 2 3 4 0 0 –3 9 2
1 3 –1 –1 4 –1 –7 1 4 –1 –7 1
1 3 –4 –1 1 1 3 –4 –1 1 3 –4 –1
F3 –4F1 F
–2 –2
F3 +13F2
0 –3 9 2 –3 2
0 1 –3 0 1 –3
3 3
0 –13 9 5
0 –13 9 5 0 0 –30 –11
3
121
En este caso, ya se llegó a la matriz triangular superior.
(1)x+3y–4z=–1
(2)0x+1y–3z=– 2
3

(3)0x+0y–30z=– 11
3
De la (3):
–30z=– 11
3
– 11
3
z= = 11
90
– 30
1
Reemplace en (2):
y=–3/10
Luego reemplace z,y en (1):
x= 7
18
Respuesta:
7 3 11
,– ,
18 10 90
Ejemplo 4.10.
2x+3y–5z=8
3x–2y+6z=2
3 – 5
3 – 5 1
2 3 –5 8
1
F 1 4 F2 +3F1
2 2 4
2 1 2 2 –10
3 –2 6 2 2 13 27
3 –2 6 0 –
2 2
122
En este caso, al ser una matriz rectangular y al escribirla de forma triangu-

lar, se tiene que existe un parámetro z:
(1) x+ 11 y– 5 z=4
3 2
(2) – 13 y+ 27 z=–10
2 2
(3)z=z
Por lo tanto, en la (2):
– 13 y+ 27 z=–10
2 2
– 13 y=–10 – 27 z
2 2
–10– 27
2
z
y= = 20 + 27 z
13 2
– 13
2
Ahora en la (1):
x+ 3 y – 5 z=4
22
x=4 – y + 52 z
3
2
x=4 – 3 20 + 27 z + 5 z
2 13 13 2
5
x=4 – 30 – 81 z + 2 z
13 26
x= 22 – 8 z
13 13
Se tiene un sel con solución infinita:
22 8 20 27
– z, + z,z
13 13 13 13
123
En este caso, está siendo parametrizado por z:
Sí z =0
22 20
, ,0
13 13

Sí z =1
14 47
, ,1
13 13
Ejemplo 4.11. sel rectangular homogéneo
2x+3y–5z=0
3x–2y+6z=0
3 – 5
3 – 5 1
2 3 –5 0
1
F 1 0 F2 +3F1
2 2 0
2 1 2 2 0
3 –2 6 0 0 13 27
3 –2 6 0 –
2 2
En este caso, al ser una matriz rectangular y al escribirla de forma trian-

gular, se tiene que existe un parámetro z:
(1) x+ 3 y – 5 z=0
2 2
(2) – 13 y + 27 z=0
2 2
(3)z=z
De la segunda:
– 13
2
y + 27
2
z=0
– 13 y = – 27 z→ y = 27
13
z
2 2
De la primera:
x+ 3 y – 5 z=0 → x+ 3 27 z – 5 z=0 → x+ 81 z – 5 z=0 → x= – 8 z

2 2 2 13 2 26 2 13
124
Ejemplo 4.12.
x+y+z=0
x–y=0
x+3y+2z=0
1 1 1 0 F2 –F1 1 1 1 0 – 1 f2 1 1 1 0 1 1 1 0
F3 –F1 2 F3 +2F2
1 –1 0 0 0 –2 –1 0 0 1 1/2 0 0 1 1/2 0
1 3 2 0 0 2 1 0 0 2 1 0 0 0 0 0
+y+z=0 → x=–y–z→x = 12 z–z= – 12 z

1
y + 12 z=0 → y = – 2 z
z=z
1 1
(x,y,z)= – 2 z, – 2 z, z
Solución de sel por Cramer
La regla de Cramer se aplica a sistemas que cumplen con las siguientes

condiciones:
1. El número de ecuaciones es igual al número de incógnitas.
2. El determinante de la matriz de los coeficientes es distinto de cero.
Tales sistemas se denominan sistemas de Cramer.
Considere un sistema de Cramer de la forma (4.1), tal que Δ sea el deter-

minante de la matriz de coeficientes
a11 a12 a1n

a21 a22 a2n
Δ= ,donde Δ≠0. (4.2)
an1 an2 ann
125
Sean Δ1 ,Δ2…Δn, los determinantes que se obtienen al sustituir los coefi-

→
cientes del vector de resultados b en la primera columna, en la segunda
columna y en la n-ésima columna, respectivamente. Tal que el sistema de
Cramer tiene una única solución y se encuentra definida por lo siguiente:

Δ1 Δ2 Δn
x1= ,x2 = ,…,xn=
Δ Δ Δ
En caso de que el Δ=0, se dice que el sel no tiene una única solución,
sino que, al contrario, cuenta con infinitas soluciones o puede que sea un
sistema inconsistente.
Ejemplo 4.13. Resolver el siguiente sistema de ecuaciones
2 –1 3 x 1
–4 1 2 y = –1
1 3 –2 z 2
2 –1 3
|A|= –4 1 2 =–49
1 3 –2
1 –1 3
–1 1 2
2 3 –2
–25 25
x1 = = =
2 –1 3 –49 49
–4 1 2
1 3 –2
2 1 3
–4 –1 2
1 2 –2
–31 31
x2 = = =
2 –1 3 –49 49
–4 1 2
1 3 –2
2 –1 1
–4 1 –1
1 3 2
–10 10
xn= = =
2 –1 3 –49 49
–4 1 2
1 3 –2
126
Solución de sel por la matriz inversa

→ →
El sistema de ecuaciones (4.1) es planteado de la forma A . x .=b, en la que
→ →
A es la matriz de coeficientes, x el vector de incógnitas o variables y b el
vector de resultados.
Ejemplo 4.14.
–x+2y+3z=–1
4x+5y+6z=2
x+2y+3z=0
–1 2 3 x –1
4 5 6 y = 2
1 2 3 z 0
x –1/2 0 1/2 –1
→ →
x = A-1 . b → y = 1 1 –3 2
z –1/2 –2/3 13/6 0
x 1/2
y = 1
z –5/6
Por tanto, la solución al problema es única y corresponde a

1
(x,y,z)= 2
,1 – 56
Ejercicios
1. Para los siguientes sistemas de ecuaciones verifique qué tipo de solu-

ción tienen (recuerde que no es necesario llegar al resultado, solamen-
te realice un análisis de los sistemas).
a. 2x+5y=–1
–x–2.5y=0.5
b. 4x+5y=0
1
5
x+ 25 y = 35
127
c. 4x–10y=–1
8x–20y=5
d. 3x+y–12=0
5x–y+3=0

Respuesta:
a. Infinitas soluciones.
b. Única solución.
c. Sistema inconsistente.
d. Única solución.
2. Resuelva los siguientes sistemas de ecuaciones rectangulares utilizan-

do los métodos de solución matriciales (Gauss o Gauss-Jordan):
a. 3x+y+z+w=0
5x–y+z–w=0
b. x–y–z+w=4
3x+5y–6w=0
c. 9x+5y+9z=3
–45x+10y+27z=–6
Respuesta:
a. – 14 z, – 14 –w, z, w .
5
b. 2
+ 58 z + 18 w, – 32 – 38 z+ 98 w, z, w .
4
c. 21
+ 17 z, 35
9
– 72
35
z, z .
128
3. Resuelva los siguientes sistemas de ecuaciones utilizando cualquiera

de los métodos de solución matriciales (Gauss, Gauss-Jordan, Cramer
o Inversa de una matriz):
a. 2x+5y=–1
x+5y+3z=1
y=2–z
b. 4x–5y +2z =0
– 15 x+ 25 y+z=0
2
5
x+ 25 y=0
c. 2x+y–z=0
4x+2y–2z=0
x–z=0
d. 2x+y–3z=7
5x–4y+z=–19
x–y–4z=4
e. w–2x+2y–3z=15
3w+4x–y+z=–6
2w–3x+2y–z=17
w+x–3y–2z=–7
Respuesta:
a. (–23,9,–7), b. (0,0,0), c. (z,–z,z),
d. (–1,3,–2) , e. 4,– 1 , 1 ,
f. 219
, – 247 – 61 – , 162
2 2 71 71 71 71
129
Para los ejercicios 4 y 5 se pide plantear el sel y dar solución por medio de
los métodos matriciales.

4. Un estudiante de matemáticas básicas tiene la siguiente situación
problema: si se suma 7 al numerador y al denominador de una de-
terminada fracción, se obtiene la fracción 2/3. Si en vez de sumar 7
se resta 3 al numerador y al denominador, se obtiene la fracción 1/4.
Entonces, encontrar dicha fracción.
5. Hay una familia bogotana conformada por los padres y una hija. La
suma de las edades actuales de los 3 es de 80 años. Dentro de 22
años, la edad de la hija será la mitad de la de la madre. Si el padre es
un año mayor que la madre, ¿qué edad tiene cada uno actualmente?
6. Una cabaña vacacional en la Sabana de Bogotá tiene una excelente

reputación por la atención que brinda a las necesidades especiales
de salud de sus huéspedes. En la semana de receso académico, el
administrador espera recibir cuatro huéspedes universitarios, todos
ellos con la condición de ser diabéticos dependientes de insulina.
Estos huéspedes planean permanecer en la posada durante 8, 15, 20
y 27 días, respectivamente.
La cabaña se encuentra muy alejada de la farmacia más cercana (7

km, aproximadamente), de modo que, antes de que lleguen los hués-
pedes, el administrador planea obtener la cantidad total de insulina
necesaria.
Se requieren tres tipos diferentes de insulina: A, B y C. El adminis-

trador almacenará la insulina y después el personal administrará la
dosis diaria de los tres tipos a cada uno de los huéspedes.
Los requerimientos diarios son:
• Huésped 1: 20 unidades de insulina B, 30 de A y 10 de C.

130

a. Represente esta información en una matriz de requerimientos llamada

R.
b. Determine las cantidades totales de los tres tipos de insulina nece-

sarios para los cuatro huéspedes.
c. Suponga que cada huésped decidió duplicar su tiempo de estancia

original. Entonces, calcule el total de la cantidad de insulina de los
tres tipos.
Haga uso de los comandos de GeoGebra para solucionar el ejercicio 3

de la presente sección por medio del método de Cramer. Además, grafique
en el GeoGebra 3D el conjunto de soluciones de cada sel.
Referencias
Kolman, B. y Hill, D. (2006). Álgebra lineal: fundamentos y aplicaciones. Pearson.
Hohenwarter, M. (2021). Manual de GeoGebra. https://wiki.geogebra.org/es/Manual
Lay, C. (2012). Álgebra lineal y sus aplicaciones. Pearson.
Poole, D. (2011). Álgebra lineal: una introducción moderna. Cengage Learning.
Strang, G. (2012). Álgebra lineal y sus aplicaciones. Pearson.

Una Introducción Al Álgebra Lineal y Sus Aplicaciones: Edwin Fernando Muñoz CH

Cargado por

Copyright:

Formatos disponibles

Una Introducción Al Álgebra Lineal y Sus Aplicaciones: Edwin Fernando Muñoz CH

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Una Introducción Al Álgebra Lineal y Sus Aplicaciones: Edwin Fernando Muñoz CH

Cargado por

Copyright:

Formatos disponibles

1

Capítulo 1: Sistemas de ecuaciones lineales

Edwin Fernando Muñoz Ch

Una introducción al álgebra y sus aplicaciones / Edwin Fernando Muñoz Chipatecua.

Incluye referencias bibliográficas

Director de Investigaciones: Mauricio Hernández Tascón

Coordinador de Publicaciones: Diego Ramírez Bernal

© Una introducción al álgebra lineal y sus aplicaciones

Autor: Edwin Fernando Muñoz Ch

Primera edición, 2021.

Coordinadora de Publicación: Catalina Moreno Correa

Diseño y diagramación: María Paula Martín

Agradezco en primera instancia a la Universidad Piloto de Co-

Edwin Fernando Muñoz Chipatecua

Capítulo 1. Sistemas de ecuaciones lineales 13

Sistemas de ecuaciones lineales 21

Métodos de solución de sel de tamaño 2 × 2 24

Programación lineal: un enfoque geométrico 40

Regresión lineal (cálculo de los coeficientes del

Fracciones parciales (cálculo de las fracciones

Física: diagramas de cuerpo libre 47

Inversa de una matriz 69

Cálculo de la inversa de una matriz por

Cálculo de la inversa de una matriz 2×2 por la

Matriz varianza: covarianza y matriz de correlaciones 75

Cálculo de la inversa de una matriz n× n por

Capítulo 4. Métodos matriciales en la solución

Métodos matriciales 110

Solución de sel por el método de eliminación de

Solución de sel por el método de Gauss 119

Solución de sel por Cramer 124

Solución de sel por la matriz Inversa 126

Enfoque general y prerrequisitos

Por lo anterior, en este texto se presentan un total de 91 ejem-

Contenido y planeación del curso

Con el objetivo de definir los conceptos de ecuación lineal y

La ciudad A se ubica a una distancia de 300 km de la ciudad B.

El primer paso para resolver el problema consiste en reescri-

Figura 1.1. Representación gráfica del problema.

Ahora, de acuerdo con la ecuación de velocidad, v= x , siendo e el espacio

Automóvil Ecuación de movimiento

De esta manera, se han propuesto dos ecuaciones que representan el movi-

Una ecuación lineal es una expresión de la forma

a1 x1+a2 x2+...+an xn=b (1.1)

donde ai,b ∈ y los xi corresponden a las incógnitas (variables) de la ecua-

Los escalares ai son los coeficientes de los xi respectivamente, y b es el

Una forma común de una ecuación lineal es

donde x y y son variables reales y A,B, y C son constantes reales. Si A y B

Capítulo 1: Sistemas de ecuaciones lineales

la cual es una expresión análoga a la ecuación del intercepto en el eje y de

Pero, ¿qué significado tienen la pendiente y el intercepto? Para dar respuesta a la

Considerándose, entonces, como la razón de cambio de la elevación res-

Figura 1.2. Pendiente e intercepto de una línea recta.

A continuación, se presenta un ejemplo referente al uso de la ecuación (1.3).

Ejemplo 1.1. Caracterización de una ecuación lineal

Sea la ecuación lineal –2x –3y= 4. Encuentre la pendiente y el intercepto

2 y el punto de corte con el eje y, el intercepto es b= C = 4 =– 4 .

Ejemplo 1.2. Caracterización de una ecuación lineal

Dada la expresión 4x + 5y – 6= 0 encuentre la pendiente y el intercepto con