Apndice A. ECUACIONES LINEALES, MATRICES Y DETERMINANTES.

Tabla de contenido
A.1. Sistemas de ecuaciones lineales
A.2. Matrices y determinantes
Este apndice contiene el material auxiliar relacionado con la solucin de sistemas de ecuaciones
lineales (o de primer grado), el arreglo de las mismas en vectores y matrices, as como el
importante concepto de determinante. El apndice tiene inters por s mismo y por su aplicacin
en la programacin lineal, incluyendo la solucin en sistemas de m ecuaciones lineales por los
procedimientos de eliminacin de trminos de Gauss-Jordan.
A.1. Sistemas de ecuaciones lineales
Una ecuacin lineal es una expresin de la forma
a1 X1 + a2 X2 +...+ an Xn = b
Donde a j y tambin b R, las X j son variables. a j son los coeficientes de las X j para toda j = 1,
2,....,n; b es la constante de la ecuacin. Un conjunto de valores de las incgnitas, por ejemplo:
X 1 = k 1, X2 = k2,.............,Xn = k n
y representados por un vector: K =( k1, k2, ...., kn), este es solucin de la ecuacin dada, si al
sustituir los valores k j por las X j, se satisface dicha ecuacin.
El vector "n-ada" ( k1 , k2, ......., kn ) representa la solucin.
Ejemplo A-1. Sistemas de ecuaciones lineales.
Considere la ecuacin de una recta en el plano R2: 2X1 + X2 = 8; asignando valores arbitrarios a
X1 se obtienen los correspondientes de X2:

Todas las soluciones para la ecuacin dada, o todos los puntos determinados estn, tanto en la
lnea recta como en el plano R2.
A.1.1. Solucin de una ecuacin lineal
1. Un coeficiente no es cero, por ejemplo suponga a1 0
a1 X1 = b - a2 X2 -.....- an Xn X1 = a1-1 b - a1-1 a2 X2 -...- a1-1an Xn
Al asignar los valores a X2,......Xn se obtiene X1 y por lo tanto soluciones. Por ejemplo: aX =
b para a 0 X = a-1b (nica).
Considere una ecuacin en donde todos los aj 0: 2X - 4Y + Z = 8,
Despejando: 2X = 8 + 4Y - Z X = 4 + 2Y - 1/2 Z
Para cualesquiera valores de Z e Y se obtiene un valor X formando los 3 valores (X, Y, Z)
una solucin: si Y = 3, Z = 2 X = 4 + 2(3) - 1/2(2) = 9. Es decir la trada (9, 3, 2) = (X, Y, Z)
es una solucin.
2. Todos los coeficientes son nulos y la constante b tambin lo es.
0X1 + 0X2 +...+ 0Xn = 0 En este caso cualquier "n-ada" en R es una, de la infinidad de
soluciones.

3. Todos los coeficientes son nulos y la constante b no lo es:

0X1 + 0X2 +...+ 0Xn =b, con b 0; En este caso, la ecuacin no tiene solucin.
A.1.2. Solucin de m ecuaciones lineales.
Considere un sistema de m ecuaciones lineales con n incgnitas X1, X2,...,Xn:

Donde aij y bi son constantes en el conjunto R.

Si el sistema tiene solucin un vector "n-ada" K = (k1, k2,...... ,kn) de # reales es una solucin si
satisface cada una de las ecuaciones.
Si las constantes b1,........, bm son todas cero el sistema se dice homogneo

A.1.3. Solucin grfica de un sistema de dos ecuaciones lineales.

Considere primero un sistema de dos ecuaciones lineales de dos incgnitas

Los nmeros (k1, k2) que satisfacen ambas ecuaciones es la solucin simultnea.
Cuando se tienen dos ecuaciones con dos incgnitas, se pueden describir geomtricamente tres
casos:
1. .- El sistema tiene una sola solucin. Si los coeficientes de las incgnitas no son
proporcionales:

Figura A-1. Solucin grfica de un sistema de dos ecuaciones lineales con una sola solucin.

2. .- El sistema de ecuaciones no tiene solucin.

Figura A-2. Solucin grfica de un sistema de dos ecuaciones lineales sin solucin.

Las lneas rectas correspondientes son paralelas porque:

3. .- El sistema tiene un nmero infinito de soluciones.

Figura A-3. Solucin grfica de un sistema de dos ecuaciones lineales con nmero infinito de
soluciones.

Las lneas coinciden porque:

A.1.4. Sistemas de dos ecuaciones con dos incgnitas.

En la solucin de una ecuacin de primer grado con una incgnita aX=b, se pueden presentar tres
casos:
1. Si a 0 , la ecuacin tiene una solucin nica: X = b / a
2. Si a = 0 y b = 0, la ecuacin tiene un conjunto infinito de soluciones: cualquier nmero real
X satisface la ecuacin aX = b.
3. Si a = 0, pero b 0, la ecuacin no tiene solucin, ya que al sustituir X por cualquier
nmero real se obtiene cero por la izquierda, mientras que a la derecha se tiene un
nmero diferente de cero.
Los mismos casos para la solucin de una sola ecuacin con una incgnita, se pueden presentar al
resolver un sistema de m ecuaciones lineales. Considere ahora, un sistema de dos ecuaciones
(m=2) con dos incgnitas (n=2):

Se llama solucin de este sistema a todo par de valores X1 = k1, X2 = k2, que al sustituirlos por X1 y
X2, convierten ambas ecuaciones en identidades. Para resolver este sistema, se multiplica la
primera por a22, la segunda por -a12, se suman y se obtiene:

Entonces se tiene una solucin nica, dada por:

Las dos expresiones anteriores se conocen como frmulas de Cramer para la solucin de un
sistema de dos ecuaciones con dos incgnitas. Observe que en el lado derecho de las frmulas, en
el numerador y el denominador, se tiene una misma estructura.
Ahora considere el siguiente arreglo en tabla, de los coeficientes usados en el sistema de dos
ecuaciones lineales mostrado antes:

Un arreglo de coeficientes A como el mostrado se llama MATRIZ, la cual los ordena en renglones y
columnas. En este ejemplo se tiene una matriz cuadrada de segundo orden (dos renglones y dos
columnas). La imaginaria lnea diagonal del elemento superior izquierdo (a11) al inferior derecho
(a22), se le llama diagonal principal de la matriz. La otra lnea imaginaria diagonal entre los
elementos a12 y a21, se conoce como diagonal secundaria.
Observe nuevamente los denominadores de las expresiones que resuelven las incgnitas X1 y X2,
los que se forman con el producto a11a22 de la diagonal principal menos el producto a12a21 de la
diagonal secundaria: a11a22 - a12a21

Esta ltima expresin para el denominador de ambas frmulas se llama determinante de la matriz
A, se expresa as: det (A) = a11a22 - a12a21
Los numeradores de estas frmulas tambin son determinantes obtenidos de la siguiente manera:
Sustituyendo la columna ( b1, b2)T del lado derecho de las ecuaciones, en la columna izquierda (a11,
a21)T de la matriz A, en la frmula de X1; y sustituyendo en la columna derecha (a12, a22)T de la
matriz A, en la de X2:
Determinante numerador, en X1: a22 b1 - a12 b2; en X2: a11 b2 - a21 b1
Ejemplo A-2. Sistema de dos ecuaciones lineales con dos incgnitas utilizando las frmulas de
Cramer 1.
Resuelva el siguiente sistema de dos ecuaciones lineales con dos incgnitas, utilizando las
frmulas de Cramer.

El sistema de dos ecuaciones de ejemplo, tiene solucin nica con los valores mostrados de ( X1,
X2 ) = ( -3, 6 ). El determinante denominador (5) en ambas frmulas, as como el del numerador (15 y 30),no son cero. En contraste con el ejemplo de un primer caso de solucin nica, considere
el segundo caso siguiente:

Esta igualdad se puede expresar como: a11 / a21 = a12 / a22 (son proporcionales). Si adems se
cumple, proporcionalidad de los trminos independientes de las ecuaciones con los coeficientes
de las incgnitas, o sea:

Se convierte en una ecuacin de dos incgnitas con infinidad de soluciones.

Ejemplo A-3. Sistema de dos ecuaciones lineales con dos incgnitas utilizando las frmulas de
Cramer 2.
Resuelva el siguiente sistema de dos ecuaciones lineales con dos incgnitas, mediante las frmulas
de Cramer:

Los determinantes en numerador y en denominador son cero, entonces el sistema tiene un

nmero infinito de soluciones.

Como un tercer caso, considere al determinante denominador como cero:

Pero los determinantes en el numerador de las frmulas de Cramer no son cero:

Significa a11 / a21 = a12 / a22

b1 / b2; en tal caso el sistema no tiene solucin.

Ejemplo A-4. Sistema de dos ecuaciones lineales con dos incgnitas utilizando las frmulas de
Cramer 3.
Resuelva el siguiente sistema de dos ecuaciones lineales con dos incgnitas, mediante las frmulas
de Cramer:

Los determinantes en numerador no son cero, pero el determinante denominador si es cero,

entonces el sistema no tiene solucin.
A.1.5. Sistemas de tres ecuaciones con tres incgnitas.
Considere ahora un sistema de tres ecuaciones lineales con tres incgnitas como se muestra a
continuacin:

La solucin para este sistema de tres ecuaciones lineales con tres incgnitas utilizando las
frmulas de Cramer, requiere calcular los determinantes que resultan de una suma de seis
trminos, obtenidos de los productos formados con los elementos mostrados arreglados como
matriz cuadrada A de tercer orden:

det (A) =+a11 a22 a33 + a12 a23 a31 + a13 a21 a32 -a11 a23 a32 -a12 a21 a33 -a13 a22 a31
Los tres trminos positivos son el producto de tres elementos a i j de la matriz situados: en la
diagonal principal y en dos tringulos issceles cuya base es paralela a esa diagonal. Los tres
trminos negativos se obtienen igual, pero con la diagonal secundaria.
Este determinante de tercer orden sugiere la gran dificultad en labor de clculo cuando se intenta
resolver un sistema de ecuaciones lineales con las frmulas de Cramer, por lo que se justifica el
empleo de otros mtodos para ese fin, sobre todo tratndose de sistemas de m = 3 ecuaciones o
mayor.

Ejemplo A-5. Sistema de tres ecuaciones lineales con tres incgnitas utilizando las frmulas de
Cramer.
Resuelva el siguiente sistema de tres ecuaciones lineales con tres incgnitas, mediante las
formulas de Cramer:

Det. A = ((2)(3)(0)) + ((1)(1)(1)) + ((2) (-1)(-1)) - ((2)(1)(-1)) - ((1)(-1)(0)) - ((2)(3)(1)) = -1

Det. D1 = ((4)(3)(0)) + ((1)(1)(1)) + ((-1)(3)(2)) - ((-1)(4)(1)) - ((1)(3)(0)) - ((2)(3)(1)) = -7
Det. D2 = ((2)(3)(0)) + ((4)(1)(1)) + ((-1)(1)(2)) - ((2)(1)(1)) - ((-1)(4)(0)) - ((2)(3)(1)) = -6
Det. D3 = ((2)(3)(1)) + ((1)(3)(1)) + ((-1)(-1)(4)) - ((-1)(1)(1)) - ((-1)(3)(2)) - ((4)(3)(1)) =8
X1= -7 / -1 = 7; X2 = -6 / -1 = 6; X3 = 8 / -1 = -8
A.1.6. Procedimiento de eliminacin de Gauss-Jordan.
Las frmulas de Cramer son de importante inters terico, sin embargo no tienen gran aplicacin
en la prctica debido a que requiere mucha labor de clculo. En cambio, el mtodo de eliminacin
para resolver sistemas de ecuaciones lineales, de Gauss - Jordan, tiene ms aplicacin, en
problemas pequeos y grandes, sobre todo en la solucin de modelos de programacin lineal.
Para resolver un sistema de ecuaciones con este mtodo se emplea la eliminacin sucesiva de las
incgnitas segn este esquema: Considere las siguientes m ecuaciones lineales:

Ahora se arregla una matriz B de este sistema, ampliada con los bi (lnea vertical).

Despus se hacen transformaciones elementales con los renglones de la matriz, lo cual es

equivalente a hacerlo con las respectivas ecuaciones:
1. Se permite cambiar el orden de las filas.
2. Se pueden multiplicar los renglones por cualquier nmero diferente de cero.
3. Sumar a un rengln de la matriz, otra fila multiplicada por cualquier nmero.

As se obtiene una matriz ampliada de un nuevo sistema equivalente al original pues se reduce la
matriz B a la forma ms sensilla posible que incluya la solucin del sistema. A continuacin se
presenta el procedimiento detallado:
1. Intercambio de ecuaciones y de la posicin de las incgnitas para que a11 0.
2. Multiplicacin de la primera ecuacin por una constante apropiada diferente de cero, para
lograr a11 = 1.
3. Para toda i > 1, se multiplica la primera ecuacin por -ai1 y luego se suma a la i-sima
ecuacin, de tal manera que la primera incgnita queda eliminada.
Considere el siguiente ejemplo con anotaciones del clculo a la izquierda:

La matriz ampliada de este sistema es:

Se resta: el rengln (1) del (2) y el (3), el (1)(3) al (4), resultando la matriz:

Se permutan los renglones (2) y (3) para tener el coeficiente 1en rengln 2

El rengln (2) se duplica y se resta al (1) y al (4), el (2) se triplica y se resta al (3)

El (3) se divide entre (-14), el coeficiente 1 resultante se usa para operar con el clculo que se
indica en la columna izquierda

La columna derecha de la ltima matriz tiene la solucin del sistema propuesto: X 1 = -1, X2 = 0, X3 =
1
Ecuacin lineal degenerativa.- As llamada cuando todos los coeficientes de las incgnitas son cero.
En el caso especial de un sistema en que todas las ecuaciones son degenerativas ( aij = 0), se
tienen dos casos:
1. El sistema tiene por lo menos una ecuacin de la forma: 0x1 + 0x2 +...+ 0xn = bi con bi 0,
entonces esta ecuacin y por lo tanto el sistema, no tiene solucin, (es inconsistente).
2. Todas las ecuaciones del sistema son de la forma: 0x1 + 0x2 +...+ 0xn = 0, entonces cada
ecuacin y, por lo tanto el sistema tienen toda "n-ada" de nmeros reales como solucin.

En el caso comn cuando las ecuaciones no son todas degenerativas (aij 0), el sistema de
ecuaciones se reduce a uno ms simple equivalente al original que posee las mismas soluciones, el
proceso se lleva hasta eliminacin completa (Gauss-Jordan) para obtener la solucin.
Si se encuentra una ecuacin de la forma 0x1 +... +0xn = 0 puede quitarse sin que afecte la solucin.
Continuando con el proceso anterior, con cada nuevo subsistema, se obtiene por induccin, que el
sistema o bin no tiene solucin, bien es reductible a una forma equivalente.
Para la solucin de un sistema de ecuaciones lineales en forma escalonada (eliminacin de GaussJordan), hay dos casos:
1. Si hay tantas ecuaciones como incgnitas (m-=n) entonces el sistema tiene una solucin
nica.
2. Si hay menos ecuaciones que incgnitas (m < m + n) entonces se pueden asignar
arbitrariamente valores a las n variables llamadas en este caso "libres" y obtener una
solucin del sistema. Si se asignan valores diferentes a tales "variables libres", se pueden
obtener muchas soluciones del sistema.
Para el caso particular de un sistema homogneo de ecuaciones lineales reducido a la forma
escalonada se presentan dos posibilidades.
1. Tantas ecuaciones como incgnitas (m = n), entonces la solucin es (0, 0,.....0) trivial.
2. Menos ecuaciones que incgnitas (m < m + n), entonces el sistema tiene una solucin no
nula. En resumen

Ejemplo A-6. Sistema no homogneo de ecuaciones lineales por eliminacin de Gauss-Jordan.

A.2. Matrices y determinantes

Una matriz es un arreglo rectangular de mxn nmeros, dispuestos en m filas y n columnas,
generalmente encerrado en parntesis.

Para cualquier m n y cualesquiera elementos a i j. Cada rengln y cada columna de la matriz A

representan vectores, rengln y columna, respectivamente.
Matriz cuadrada.- Si m = n
Matriz diagonal.- Es una matriz cuadrada cuyos elementos fuera de la diagonal principal, los
coeficientes a i j para i j, son todos iguales a cero.
Matriz identidad (I).- Es una matriz diagonal cuyos coeficientes diagonales son 1.
Matriz traspuesta.- La traspuesta AT de una matriz A es en la que los renglones y columnas se han
intercambiado.

Matriz triangular.- Es una matriz cuadrada con los a i j = 0 para i > j los a i j = 0 para i < j.
Matriz simtrica.- Si una matriz cuadrada A = AT a i j = a j i.
Matrices iguales.- Dos matrices son iguales si y solo si sus elementos correspondientes son iguales.
Las dimensiones m x n tambin son iguales.
Matriz nula.- Si tiene todos sus elementos iguales a cero (0).
Orden de una matriz.- Es el nmero de renglones y columnas que tiene, as se dice una matriz de
orden m X n de orden n si es cuadrada.
Suma de matrices.- Dadas las matrices A y B, ambas de orden m X n, la suma es una matriz C de
orden m X n.
C = A B = ( a i j )mxn ( b i j )mxn = ( c i j )mxn
Propiedades de la suma de matrices.
A + B = B + A (Ley conmutativa) A + 0 = A
(A + B) + C = A + (B + C) (Ley asociativa)
Multiplicacin de una matriz por un escalar.- Dado un escalar , - < < , y una matriz A m x n
B=
= (a i j) = ( a i j) = (b i j)
Propiedades de la multiplicacin por un escalar.

Multiplicacin de matrices.- El producto AB de dos matrices est definido slo en caso de que el
nmero de columnas de A sea igual al nmero de renglones de B. El producto AB no es
conmutativo, o sea A B B A.
Cuando se cumple con la condicin mencionada (nA = mB) se dice que ambas matrices son
conformables para el producto.

Propiedades de la multiplicacin de matrices.

Ejemplos:

BA no es conformable.

Propiedades de las matrices traspuestas.

T T
(A ) = A
T
T
T
(A + B) = A + B
T
T
T
T
(A + B + ... +N) = A + B + ... + N
T
T T
(AB) = B A
T
T
T T
(A B...N) = N ... B A
T
T
A B=B A

A. .2.1. Espacio lineal o vectorial.

Un espacio vectorial es el conjunto de todos los vectores de n componentes bajo las operaciones
de suma de vectores y multiplicacin por escalar. Se define con las siguientes propiedades: Dados
dos vectores X e Y pertenecientes al espacio entonces:

Tambin pertenecen al espacio.

Espacio Vectorial Euclidiano (En).- Es un espacio vectorial de nmeros reales, tal que dados dos
vectores cualquiera X e Y en Zn, el nmero real generado del producto XTY tiene las propiedades:
T
T
es simtrico: X Y = Y X
t
es positivo: x x > 0 para x 0
n
es bilineal: dados X, Y, W, Z E se tiene:
T
T
T
(X + Y )*(W +Z) = X * (W + Z) * YT (W + Z) = (X + Y)T * W + (X + Y)T * Z
La representacin geomtrica de espacios vectoriales euclidianos puede hacerse para n = 1, n = 2 y
n = 3. En E2:

Figura A-4. Representacin geomtrica de espacios vectoriales euclidianos para n = 1 y n = 2.

Figura A-5. Representacin geomtrica de espacios vectoriales euclidianos para n = 3.

Combinacin lineal

Si X1, X2, ........., Xn son vectores y

1,

2, ...,

n son escalares, no todos ceros, entonces.

Es una combinacin lineal de los vectores X1, X2, ..., Xn

Ejemplo A-7. Determinacin de la combinacin lineal de vectores columna.

Determinar la combinacin lineal de los siguientes vectores columna:

Los vectores unitarios (1, 0, ..., 0), (0, 1, ..., 0),..., (0, 0,...1) representan los puntos de una unidad
de medida sobre cada uno de los ejes coordenados y son tiles para expresar cualquier vector
como combinacin lineal de los vectores unitarios.

Vectores linealmente dependientes.- Los vectores X1, X2,..., Xn son linealmente dependientes si
existen 1, 2, ... n, no todos cero, tales que
1x1 +
2x2+...+
nXn= 0
Vectores linealmente independientes.- Si la expresin indicada se cumple solo cuando 1 = 2 =...
= n = 0 entonces el conjunto de n vectores x1, x2, ..., xn son linealmente independientes.
Ejemplos:

Hay un nmero

de valores

Por lo tanto son L. I.

Conjunto o Subespacio Generador.- Es aquel conjunto de vectores en En que pueden ser utilizados
para expresar a cualquier vector arbitrario de En. Es decir, cualquier vector de En puede
representarse como una combinacin lineal del conjunto generador de En.
Teorema.- Sea S no vaco C en En. El conjunto de todas las C. L. de vectores en S, denotado por
(s), es un subespacio de En que contiene a S. (s) es el subespacio menor de En que contiene a S.
Ejemplo: Los vectores e1 = (1, 0, 0), e2 = (0, 1, 0) y e3 = (0, 0, 1) generan el espacio vectorial R3.
Cualquier vector (a, b, c) R3 es una C. L. de los ei.
(a, b, c) = a (1, 0, 0) + b (0, 1, 0) + c (0, 0, 1) = ae1 + be2 + ce3
Ejemplo A-8. Determine si un vector es una combinacin lineal.
Determine si el vector v = (3, 9, -4, -2) es una C. L. de los vectores 1 = (1, -2, 0, 3), 2 = (2, 3, 0, 1), 3 = (2, -1, 2, 1) es decir, si pertenece al espacio generado por los i.

Entonces: v es una C. L. de los i : v = 1 + 3 2 - 2 3

Base.- De un espacio vectorial es cualquier conjunto de vectores linealmente independientes que
general dicho espacio vectorial.
{x1, x2,...,xn} es base de En
son L. I. Y {x1, x2, ..., xn} = En
Ejemplo A-9. Bases.
El conjunto de ei:

Es una base para R3, porque e1, e2 y e3 son L. I. y adems generan R3.
El conjunto de vectores

no es una base para R2 porque aunque lo generan no son L. I.

El conjunto de vectores

No son una base, porque aunque sean L. I. no generan R3.

Conjunto convexo. Un conjunto en Rn es convexo si dos puntos cualesquiera del mismo se pueden
unir por un segmento formado por todos los puntos de la forma
p + (1 - ) q;
para 0 < < 1
Una combinacin convexa de los puntos p1, p2, ........ , pn es un punto p = 1p1 + 2p2 + ... +
rnpn donde las i son escalares 1 >= 0 y
i = 1.
Ejemplos de conjuntos convexos son: el espacio En, un crculo, el espacio de una esfera, un cubo.
Teorema.- Cualquier punto sobre el segmento de lnea que une dos puntos en En , puede ser
expresado como una combinacin convexa de los dos puntos.
P + (q - p) = w bien: (1 - ) + q = w

Figura A-6. Conjunto convexo.

Punto extremo.- Un punto p en un conjunto convexo, recibe el nombre de punto extremo, si p no
puede ser expresado como una combinacin convexa de cualesquiera otros dos puntos distintos
en el conjunto. Cada punto sobre la frontera de un crculo o de una esfera, es un punto extremo
del conjunto que incluye la frontera y el interior. Los puntos extremos de un tringulo o de un
polgono son sus vrtices.
A.2.2. Matriz inversa.
Una matriz inversa cuadrada A-1 es la inversa de una matriz cuadrada A, si A A-1 = I.
Cualquier matriz cuadrada no singular A, tiene una A-1 nica tal que : AA-1 = A-1A = I.
Tambin (AB)-1 = B-1 A-1 donde A, B son matrices n x n.

Clculo de la inversa de las matrices.

Mediante el procedimiento de eliminacin completa de Gauss-Jordan se vi que un sistema de
ecuaciones lineales, se reduce por etapas de clculo a la forma escalonada, eliminando
sucesivamente variables de las ecuaciones hasta reducirla a la solucin.
Para mayor claridad vase el ejemplo ya mencionado que por eliminacin se redujo a:

Las eliminaciones del procedimiento transforman la matriz de coeficientes.

en la matriz identidad que corresponde a los coeficientes de las ecuaciones transformadas

Se observa que la transformacin total con el procedimiento de eliminacin de Gauss-Jordan es

equivalente a multiplicar el sistema por A-1.
Frecuentemente es necesario no solo resolver un sistema de ecuaciones simultneas, sino
tambin obtener la inversa de la matriz de coeficientes.
Esto se logra colocando una matriz identidad I m x m a la derecha de la matriz original de
coeficientes y aplicando las transformaciones de eliminacin a la matriz extendida. La inversa se
genera en el lugar de la matriz identidad.
Las matrices se escriben en particiones como sigue: (A| I |b)
-1
-1
-1
-1
(A A | A I | A b) = (I | A | X)
La obtencin por eliminacin de la inversa mediante eliminacin tambin se denomina
operaciones elementales a renglones de matrices y se resume as:
1. Intercambio de renglones para que a11 0
2. Multiplicar el primer rengln por una constante k 0 (Ri kRi) para que a11= 1
3. Reemplazar todo rengln i > 1, multiplicando el primer rengln (que contiene a11 = 1) por ai1 y luego sumando por el i-esimo rengln (i > 1), de tal manera que se elimina el primer
coeficiente ai1.
El ejemplo previo ayuda a aclarar el procedimiento.

A.2.3. Determinantes.
A = matriz cuadrada
Definicin.- Una funcin det: A2

definida por

Existe un nmeros denotado por | A | y llamado el determinante de la matriz cuadrada A. El | A |

se obtiene como la suma de todos los productos posibles, en cada uno de los cuales aparece uno y
solamente uno elemento de cada rengln y cada columna de A, asignndole a cada producto un
signo positivo o negativo de acuerdo con la siguiente regla. Considerar los elementos en un
producto dado, unidos en pares por segmentos de lnea. Si el nmero de tales segmentos con
pendiente hacia la derecha es par, deber anteponerse un + al producto, de lo contrario se
antepone un signo -.

A.2.4. Mtodo de Chio.

Determinantes de matrices de orden "n"

Ejemplos:

Ejemplo:

Sustituyendo:

Clculo por el mtodo de Chio.

A.2.5. Propiedades de los determinantes.

1. El valor del determinante es cero, si en cada elemento de una columna o de un rengln es
cero.
2. El valor de un determinante no cambia si renglones y columnas correspondientes se
intercambian.
3. Por cada intercambio de dos columnas o dos renglones, el determinante cambia de signo.
4. El valor del determinante es cero, si dos renglones o columnas son idnticos.
5. Si cada elemento de una columna o de un rengln se multiplica por un nmero k,
entonces el valor del determinante se multiplica por k.
6. | AB |=| A | | B |
7. | A | = | AT |
Rango de una matriz.- Es el orden del arreglo cuadrado ms grande en A, cuyo determinante no
vale cero.
Matriz singular.- Si | A | = 0
Matriz no singular.- Si | A | 0
Menor de un elemento a i j.- El | A i j | al eliminar el i-simo rengln y la j-sima columna es el
cofator del elemento en el j-simo rengln y i-sima columna de A.
Adjunta de una matriz Anxn.- Es otra matriz J nxn = A j i en la cual el elemento, en el i- simo
renglny j-sima columna, es el cofactor del elemento en el j-simo rengln y la i-sima columna
de A