CAPITULO II

INTRODUCCIN AL LGEBRA LINEAL

2.1 Matrices
2.1.1 Definicin de matrices
Una matriz es un arreglo
rectangular
de elementos en
filas y columnas que tienen la siguiente forma:

a 11
a
12
a 13

a 12
a 22
a 32

a 13

a 23
a 33

las matrices se denotan por letras maysculas y sus

elementos por nmeros y por letras. Si A es una matriz a ij
denota el elemento
que se encuentra en la fila i
y la
columna j. Una matriz A es de orden m x n y se denota Amxn =
(aij)mxn si tiene m filas y n columnas.
2.1.2 Matrices especiales
1) A es una matriz cuadrada si tiene el mismo nmero de
filas y columnas. Se denota por An y se llama matriz
de orden n. Los elementos a11, a22,...ann estn en la
diagonal principal de A. La traza de una
matriz
cuadrada An=(aij) es la suma de los elementos de la
diagonal principal.
2) A = (aij) y B = (bij) son iguales si y solo si tienen
el mismo orden y aij = bij i,j.
3) A una matriz es nula y se denota por , si todos sus
elementos son iguales a cero.
4) A es matriz triangular inferior si es cuadrada y aij=
0, i<j. A
es
matriz
triangular
superior
si
Aij=0 i >j.
5) D es matriz diagonal si es triangular superior e
inferior se denota D = diag (d11, d22, dnn)
6) E es matriz escalar si es diagonal y d11 = d22 = dnn =
. Una matriz identidad si es una matriz escalar con
=1, si denota In
7) Matriz rectangular es aquella que no es cuadrada. Una
matriz fila es aquella que consta de una sola fila y
una matriz columna es aquella que consta de una sola
columna.
8) La transpuesta de la matriz. A = (aij)mxm es la matriz
AT= (aij)nxm
A es simtrica si AT = A y es antisimtrica si A=-At.

2.1.3 OPERACIONES CON MATRICES

1) Adicin: Si A = (aij)y Bmxn = (bij) entonces
A + B = C cij = aij + bij
Dos matrices son conformables respecto a la adicin
si son del mismo orden
2) Multiplicacin

de una matriz por un escalar

Si A = (aij) y x es un escalar, entonces

XAmxn = (aij)mxn
3) Multiplicacin de matrices
Si Amxn = (aij) y Bmxn = (bij)pxn entonces
n

a ik bkj
k 1

Amxn . Bmxp = Cnxp (Cij) si y solo si

Cij

Dos matrices A y B son conformables respecto al producto

si es posible efectuar A x B.
PROPIEDADES
Si A, B y C son matrices conformables con las operaciones
indicadas, entonces.
1.
A + B = B + A
2.
(A + B) + C = A + (B + C)
3.
k(A + B) = kA + kB
4.
(k + l)A = kA + lA
5.
(kl)A = k(lA)
6.
l.A = A
7.
A = (-1)A
8.
A B = A + (-B)
9.
A (BC) = (AB)C
10.
(A+B)C =AC + BC
11.
A(B +C)= AB + AC
12.
En general no se cumple AB= BA
Observacin: A0 = I , A1 =A, A2 = A . A, ..., An = A.An-1

Problemas
1) Dada las matrices

A =

x
x 2y
2 y 4
2 / 3 2

, B
y C =

3
x

y
3
4

1
0

Si A = B, hallar A + 3C

1 a b 0

5
a
2
b
x
3

2) A =
Si A es simtrica hallar traza A
3)

Dos matrices A y B son conmutativas o permutables

si AB = BA. Determinar si las matrices dadas son
conmutativas.

a)
4)

b)

1 1 2 3 1 0

0 1 1 , 0 3 1
0 0 1 0 3 3

Determinar una frmula para An y luego demostrarla

por induccin

a)
5)

3 1 0 1 1 2

0 3 1 , 0 1 1
0 0 3 0 0 1

0 1 1

A 0 0 1
0 0 0

b)

1 0 1 0

0 1 0 1
A
1 0 1 0

0
1
0
1

Sea A una matriz cuadrada. A es idempotente si A2 =

A. A es involutiva, si A2 = I y A es nilpotente de
ndice p, si Ap = , p Z mnimo. Determinar el tipo
de las siguientes matrices.

1
3
3 6 2
1

A 2
4 1 , , B 5
2
6 ,C
2
2 1 3
3
0

4
1 2
0 1 1

1 2 4 , D 0 0 1
1 2
0 0 0
4

2.2. DETERMINANTES
Definicin : El determinante es una funcin
que
aplicada a una matriz
cuadrada, A= (aij)n da un nico
valor numrico llamado determinante de A y se denota |
A| o det(A) o detA
Ejemplos(Reglas Prcticas)

a 11 a 12
a

21 a 22
1)

2)

Si A =
a21a22

| A |
, entonces

a 11
a 21

a 12
a 22
= a11a22

a 11
A a 21
a 31

a 22
a 32

a 11

a 12

a 13

a 11

a 12

| A | a 21

a 22

a 23

a 21

a 22

a 11 a 22 a 23 a 12 a 23 a 31 a 13 a 21 a 23

a 31

a 32

a 33

a 31

a 32

a 31 a 22 a 13 a 32 a 23a 11 a 33 a 21a 12

Si

a 12

a 13

a 23
a 33

, entonces

Propiedades: Sea A= (aij)n

1) Si se intercambian 2 filas el determinante cambia de
signo
2) Si intercambian 2 filas de A k lugares para obtener
B, |B| = (-1)k |A|.
3) Si todos los elementos de una fila de A son ceros, |
A| =0
4) Si 2 filas son proporcionales, |A| =0
5) Si todos los elementos de una fila de A son
multiplicados por k y se obtiene B, |B| = k|A|
6) Si a cada elemento de una fila de A se le suma un
mltiplo de los elementos correspondientes de otra
fila, el valor del determinante no vara.
7) |A| = |At|. Esta propiedad permite afirmar que las
propiedades dadas, para filas tambin se verifican
para las columnas.
8) Si A es matriz triangular superior o inferior,
entonces |A| =a11a22...ann
9) Si cada elemento de una fila A se expresa como la
suma de los trminos, |A| se puede expresar como una
suma de
k determinantes, es decir (k=2)

a 11 a 11 ' a 12 a 12 '
a
11
a 21
a 22
a 21

a 12
a 22

a 11 ' a 12 '
a 21 a 22

10)Si D= diag (d11d22...dnn), entonces |D| =d11d22...dnn

11)|In| = 1 y |n| = 0
12)a) |AB| = |A|.|B|
b) |At|=|A|
c) |A| = n|A|

Problemas:
1) Calcular los determinantes
0 1 0
a) 0 0 1

1 2 3
b) 4 5 6

0 1 1
c) 1 0 1

0 0 0

7 8 9

1 1 0

2) Calcular los determinantes

0
1
1
1

1
0
1
1

1
1
0
1

1
0 4
1
4 0
, b)
1
4 4
0
4 4

4
4
0
4

4
1 2 3 4
4
5 6 7 8
c)
4
9 10 11 12
0
13 14 15 16

a
0
d)
0
0

1
a
0
0

0
1
a
0

0
0
1
a

a)
Definicin Si A = (aij)n, el menor
complementario del
elemento aij se denota Mij y es la matriz cuadrada de orden
n-1 que se obtiene eliminando en A la fila i y la columna
j. Se llama cofactor del elemento aij al nmero
Aij = (-1)i+j |Mij|.
Teorema(Teorema de Expansin):El determinante de A es igual
a la suma de los productos de los elementos de cualquier
fila (columna) por sus respectivos cofactores. Es decir:
Si se toma la fila i : |A| = ai1 Ai1 + ai2 Ai2 + .... + ain Ain
Si se toma la columna j : |A| = aij Aij + a2j A2j + ...+ anjAnj
Utilizar este mtodo para calcular

Definicin: Una matriz cuadrada A de orden

n, es
invertible, si existe una matriz cuadrada B de orden n tal

que BA = AB = In. En este caso B se llama matriz inversa de

A.
Teorema: Si A es invertible, su inversa es nica.

Verificar si

11 6 4

6 3 2
4 2 1

1 2 0

es inversa de 2 5 2
0 2 3

Definicin: A es matriz no singular si es cuadrada y |A|0.

Ejemplo:Determinar cuales de las siguientes matrices es no
singular:

11 6 4

a) 6 3 2
4 2 1

0 1 0

b) 0 0 1
0 0 0

1 2 3

c) 4 5 6
7 8 9

0 1 1

d) 1 0 1
1 1 0

Definicin : Se llama matriz de los cofactores de A a la

matriz Cof(A)= (Aij) donde Aij es el cofactor del elemento
aij. Se llama matriz adjunta de A a la matriz
Adj(A) = (Cof A)T.
Teorema:

Si A es una matriz invertible (|A|0), entonces

A 1

Ejercicio

adj(A)
1

(Adj (A ))
|A|
|A|

hallar la matriz inversa para

1 2 0
11 6 4

a ) 2 5 2 , b) 6 3 2
0 2 3
4 2 1

Definicin: Dada
una matriz Amxn es posible obtener
submatrices cuadradas de orden k x k contenidas en A. Se
llama rango de la matriz Amxn al orden de la sub matriz
cuadrada a ms grande contenido en A cuyo determinante es
no nulo y se denota por r(A) o rango(A).
Ejercicio Determinar el rango de las siguientes matrices

 1 2 0
4 3 2 2
0 1 1 0 2 6 7

a ) 2 5 2 , b ) 0 2 1 1 , c) 3 4 0 3 1 1 7
0 2 3
0 0 3 3
5 1 0 0 4 6 7

PROBLEMAS RESUELTOS:

1. Hallar el rango de
Solucin:

| A | 0 2
3 1

3(1) 11

Calculamos |A|

3 6 9
A 0 2
1
3 1 2

1
2

f 3 f1

0 2
0 7

9
1 3A 11
11

2 1
3(22 7) 87
7 11

Como |A| 0, ran (A) = 3

2. Hallar todas las sub matrices cuadradas de la matriz

0
5

14 22
2 4
1 1 1

2 3
5

Solucin:
En primer lugar hallamos las sub matrices cuadradas de
orden 3 x 3

0 14 22
0 14 22 5 2 4
2 4 , 5 2 4 , 1 1 1 , 1 1 1
1 1 1 2 3 1
2 3 5 2 3
5
0
5

14

22

calculamos ahora las submatrices cuadradas de orden 2

0 14 0 22 14 22 0 14 0 22 14 22
5 2 , 5 4 , 2 4 , 1 1 , 1 1 , 1 1

0 14 0 22 14 22 5 2 5 4 2 4
2 3 , 2 5 , 3 5 , 1 1 , 1 1 , 1 1

5 2 5 4 2 4 1 1 1 1 1 1
2 3 , 2 5 , 2 5 , 2 3 , 2 5 , 3 5

3. Hallar el rango de la matriz del problema

0 14 22
5 2 4 60 0,

1 1 1
4. Hallar la

anterior

luego ran(B) = 3

inversa de la matriz

Cos Sen 0
A Sen Cos 0

0
0
1

Solucin.-

Para

hallar

la

A 1

inversa

podemos

utilizar

el

Adj A
, Adj A B t
|A|

mtodo de las adjuntas:

Sea : La matriz de cofactores, donde Aij = (-1)i+j Mij siendo
Mij el determinante de la submatriz que se forma al
suprimir la fila i y la columna j de A.

 A 11
B A 21
A 31

A 12
A 22
A 32

A 13

A 23
A 33

Cos Sen 0
Sen Cos 0

0
0
1

Cos Sen 0
B Sen Cos 0 Adj A, | A | 1
0
0
1
t

Cos Sen 0
Sen Cos 0
0
0
1

Observacin
1) Si A es un matriz no nula, de orden n x m, entonces:
0 < ran(A) min {n,m}
2) Si A es matriz cuadrada, no nula de orden n,
entonces: 0 < ran(A) n
3) Si A y B son matrices conformables respecto a
la
suma A + B, entonces ran(A+B) ran(A) + ran(B)
4) Si A y B son matrices conformables respecto del
producto A B entonces: ran(AB) min{ran(A), ran(B)}
5 .Hallar el valor de k de tal manera que el rango sea
mximo

a)

2 8
A

k 4

2 8 1
b) A

k 4 7

1 2 1 10
c) A 2 k 2k 20
1 1 k 3 6

Solucin:

|A|

2 8
k 4

8 8k 0 k 1

a)
ran(A) = 2 x C {1}

luego

b)Como

2 8
k 4

es

submatriz cuadrada de la matriz

por la parte a) ran (A) = 2 x C {1}

1 2

2 k

2k

k 2 8k 10 , k 4

1 1 k 3
c)

Luego ran(A) = 3

d)como

1 2 k
2 k 2k

1 1 k 3

Si k C {4

6
}

es submatriz de la matriz

por c) ran (A) = 3 Si k C {4

6
}

2.3 OPERACIONES ELEMENTALES MATRIZ ESCALONADA

2.3.1
Operaciones elementales
Definicin:
Se
llaman
operaciones
elementales
o
transformaciones elementales por filas (o columnas)
sobre una matriz A son aquellas que no alteran ni su
orden ni su rango.Son las siguientes:
1)
2)
3)
2.4

Intercambio de 2 filas ( 2 columnas) se denota

fi x fj ( ci x cj)
Multiplicacin de una fila ( 2 columnas) por un
escalar.
Se denota por fi kfi ( ci kci)
A una fila (columna) le sumamos el mltiplo de otra
fila (o columna) se denota: fi + kfj ( ci + kcj)

MATRICES EQUIVALENTES
DEFINICIN:Dos matrices A y B son equivalentes si una
de ellas, si puede deducir de la otra mediante un
nmero finito de operaciones elementales (fila o
columna) si A y B son equivalentes se denota: A B.

Ejemplo

1 2 3 1 0 0
A 1 3 3 0 1 0
1 2 4 0 0 1
Por lo tanto

1 2 3 1 0 0
0 1 0 1 1 0 B
f 3 f1
0 0 1 1 0 1
f 2 f1

A B

Matriz escalonadas (por filas)

Definicin: Una matriz E = [eiji]mxn es escalonada si
satisface las siguientes condiciones:
1) Las primeras k filas son no nulas y las (m-k) filas
restantes son nulas
2) El primer elementos no nulo en cada una de las (m-k)
filas restantes es 1.
3) En cada una de las k primeras filas, el nmero de
ceros anteriores a la unidad crece de fila a fila.
Ejemplo Si

1 2 1
0 1 2 / 5

0 0

0 0

1 2 3 1 0 0
B 1 4 3 0 1 0 , C
1 3 4 0 0 1

,
Las matrices A y C son

1 2 3 1 0 0
0 1 0 1 1 0

0 0 1 1 0 1

escalonadas por filas.

Propiedades
1) Cualquier matriz A = [aij]mxn puede ser llevada a una
matriz escalonada equivalente E= [eij]mxn , mediante
un nmero finito de operaciones elementales fila.
2) A B ran(A) = ran(B)
3) Para obtener ran(A): A ... EA
y ran (EA) es el nmero de filas no nulas de EA
4) Para obtener la inversa de una matriz cuadrada A
mediante
un
nmero
finito
de
operaciones
elementales:

( A : I n ) OE ( I n : B )
y se hace B= A-1
Ejemplo: Hallar el rango de

a)

1 2 3 1 0 0
A 1 3 3 0 1 0 ,
1 2 4 0 0 1

2 3 4
b) B 4 2 2
1 1 2

Solucin: a)

1 2 3 1 0 0
A 1 3 3 0 1 0
1 2 4 0 0 1

1 2 3 1 0 0
f 2 f1 0 1 0 1 1 0 E
f 3 f1
0 0 1 1 0 1

donde E es una matriz escalonada con 3 filas no nulas,

luego ran (A) = 3

1
3

b)

1
1 2
0 5 2
( 1 / 5 ) f 2
C

f 4 5 f1
2 1 0
0 5 2

5 2 1
0 8 4

1
0
f 3 5f 2
f 4 8 f1

0

2
1

1
1

f 2 3f 1
f 3 2 f1

2
1
1 2 / 5
0
0

0 4 / 5

1
0
f3 x f 4

0

1
0

1
2 / 5
0 5 2

0 8 4

2
1

f1
1 2 / 5
4

0 4 / 5

0
0

2
1

1
0
0
0

2 1
1 2 / 5
0 1

0 0

Luego ran(C) = 3
Ejemplo: utilizando
matriz inversa de
1 3 3
A 1 4 3 ;
1 3 4
a)
Solucin:

operaciones

1
1
b) A
0

2
0
1
4

3
1
1
4

4
2
3

elementales

hallar

la

a)

1 3 3 1 0 0
A | I 3 1 4 3 0 1 0
1 3 4 0 0 1

1 3 3 1 0 0
0 1 0 1 1 0
f 3 f1
0 0 1 1 0 1
f 2 f1

1 3 0 4 0 3
1 0 0 7 3 3
f 1 3f 3 0 1 0 1 1 0 f 1 3 f 2 0 1 0 1 1
0
0 0 1 1 0 1
0 0 1 1 0
1

A
Por lo tanto
b)

1
1
A / I4
0

2
0
1
4

3
1
2
6

7 3 3
1 1
0
1 0
1

4
2
3
8

1
0
0
0

0
1
0
0

0
0
1
0

0
0
0

1
1
f 4 2 f1

0

2
0
1
0

3
1
2
0

4 1
2 0
3 0
0 2

0
1
0
0

0
0
1
0

0
0
0

Observamos que no es posible [A|I4] [I4|B]

Luego, no existe A-1
2.5

SISTEMAS DE ECUACIONES LINEALES

Se llama sistema de ecuaciones lineales y ni incgnitas al

conjunto de ecuaciones.

a 11 x1 a 12 x 2 .... a 1n x n b1
a 21 x 1 a 22 x 2 ... a 2 n x n b 2
.......................

a n1 x 1 a n 2 x 2 ... a nn x n b n
Observacin : el sistema (1) es equivalente
matricial

a la ecuacin

 a 11
a
21
....

a n1

a 12
a 22
.....
a n2

..... a 1n
...... a 2 n
...... ......

...... a nn

o simplemente :

x1
b1
x

2 b2
....
....

xn
bn
Anxn Xnx1 = bnx1

Definicin: una solucin del sistema es una n-upla (x 1,

x2,...xn) que satisface es todos las ecuaciones.
Observacin: En el sistema (1) A es matriz de los
coeficientes y se llama matriz ampliada o aumentada del
sistema a la matriz Aa = [A/b]nx(n+1)
2.6

PROPIEDADES DE SISTEMAS

Ax b

Observacin: Un sistema de ecuaciones

es consistente
si tiene una o ms soluciones, es caso contrario se dice
que es inconsistente.
Propiedades:
1)
Dos sistemas de ecuaciones Ax = b, Cx = d son
equivalentes, si y solo si sus respectivas matrices
aumentadas equivalentes; es decir si y solo si Aa = [A; b]
Ca = [C; d]
2.

Dado el sistema lineal Ax = b, si

Aa = [A; b] ... EA = [E, f], entonces

Ax = b y Ex = f son equivalentes
Conclusin: Para resolver un sistema de ecuaciones lineales
no homognea debemos llevar la matriz del sistema Aa a una
escalonada equivalente y a partir de esta deducir las
soluciones.
Propiedades: Dado el sistema de ecuaciones Ax=b
1 El sistema consistente si ran[A]=ran[A/b] adems:
2.ran [A] = ran[A;b] = # incgnitas existe solucin
nica.
2.ran [A] = ran[A;b]<
soluciones

# incognitas

1) El sistema es inconsistentes si
ran[A]ran [A;b]

existe

infinitas

Observacin: Para hallar A-1 y la solucin del

sistema Ax = b

operaciones fila
elementales
[An; In; b]

[In|A-1|S]

donde S es la solucin del sistema

Ejemplo: Analizar y resolver:

0 x1
4

4 1 x 2 6
0 1 6 x
5

3

3

Solucin:
En primer lugar analizamos el sistema:

1 3 0

A 3 4 1
0 1 6

1 3 3 4

y A a [A | b] 3 4 1 6
0 1 6 5

| A | 3

1 29 0,

0 1

luego ran[A]=ran[Aa]=3= # incgnitas;

por lo tanto existe solucin nica.
Calculamos
la
solucin
del
transformaciones elementales fila.

sistema,

utilizando

0
4
4
1 3 0 4
1 3
1 3 0
f 2 3 f1
( 1) f 2

A 3 4 1 6 0 5 1 6 0 5 1
6
( 1) f 3
0 1 6 5
0 1 6
0 1 6 5
5

4
4
1 3 0
1 3 0
f 3 5f 2

0 1 6 5 0 1 6 5 C E d
0 5 1
0 0 31 31
6
f 2 x f3

Como CE es
equivalente a

matriz

escalonada,

el

X1 + 3x2
= 4
x2 6x3 = -5
31x3 = 31
Luego, resolviendo la ltima ecuacin

sistema

dado

es

y reemplazando las

X (1,1,1) t
anteriores, y as sucesivamente se tiene
Ejemplo: Analizar los sistemas

3x y k

a ) kx 2 y 0
7x y k 1

Solucin: a)
ran(A) = 2

3 1
A k 2
7 1

x 2 y 3z 0

b) kx 4 y 5
x 2 y 3z 0

3 1
0
7 1
luego

, por lo tanto

k
3 1
k
3 1
[A / b] k 2
0 , luego k 2
0 7k 6
7 1 k 1
7 1 k 1

por

lo

tanto

ran(A) = 3, kC-{6/7}. Entonces r[A] r[Aa], kC{6/7}

en cuyo

caso ser

inconsistente. Por

otro lado

es ran

[A;b]= ? Veamos

3 1
0
7 1
Como
. Entonces ran[A|b]=2 ran[A] = # incgnitas,
luego, en este caso el sistema es consistente y tiene
solucin nica.

b) Solucin

2
3
1

A k
0
4
1 2 3

2
3 0
1

y [A | b] k
0
4 5
1 2 3 0

|A| =0 kC, pues tiene 2 filas proporcionales, luego

2 3
0 4
ran(A) 0, luego ran[A]3. Adems
= 8 0, luego
ran[A]=2. Por el anlisis anterior ran[A|b]=2. Por lo tanto
ran[A] = ran[A|b]= # incgnitas. Se sigue entonces que el
sistema es consistente y tiene solucin nica.
2.7

Regla de cramer (Regla prctica)

El sistema (1) tiene solucin nica s y solo si
est dada por

adems

Ai

es

xi

| Ai |
; i 1, 2, ......, n
|A|

la

matriz

obtenida

|A| 0 y

partir

de

A,

b
reemplazando la columna i de A por la matriz columna
2.8

Sistema de ecuaciones homogneas

Es un sistema lineal de n ecuaciones
incgnitas de la forma.

lineales

con

a 11 x 1 a 12 x 2 .......... .. a 1n x n 0
a 21 x 1 a 22 x 2 .......... .. a 2 n x n 0
.
.

.
.

.
.

a n1 x 1 a n 2 x 2 .......... .. a nn x n 0

.
.

Ax 0
El sistema A es equivalente a :
Propiedades

donde Amxn , Xnx1,0mx1

1.El Sistema de ecuaciones (1) tienen al menos una solucin

llamada solucin tribial.

2 Si m = n, la condicin necesaria y suficiente para que al

sistema tenga soluciones no triviales es que |A|0, ya que en
este caso. ran (A) <nSi ran(A)= ran(Aa) es un sistema
homogneo, entonces para solucionarlo aplicamos el mtodo
usado en el caso no homogneo.
3.Como en el caso anterior el sistema Ax=0 tienen solucin
nica si y solo si
ran(A)= ran(Aa) = k < n incgnitas.
3

VALORES PROPIOS Y VECTORES PROPIOS

Definicin:
Sea A= [aij]nxm matriz cuadrada
1) Se llama polinomio caracterstico de A y se denota
por p() al desarrollo de |A-xI|, escalar, es decir

p() | A | b 0 b1 b 2 2 ...... b n n
2) Se llama ecuacin caracterstica de la
la ecuacin p() = |A-I| =0

matriz

A a

3) Se llaman valor propio (races caractersticas o

autovalores o eigenvalores) de la matriz A a las
races de su ecuacin caractersticas.
4) Si llama valor de A asociado al valor propio al

Ax x

xo

vector
Ejemplo:
matriz.

Hallar

que satisface
los

valores

vectores

propios

de

la

2
5 2
A 2 2 4
2 4 2
Solucin:

Vemos que: |A-I| =

2
2
5
2
2 4 ( 6) 2 ( 3) 0

2
4 2

Los valores propios son: 1 = -3 y 2 = 3 = 6 (raz de

multiplicidad 2).

Clculo de los Vectores propios

1 3, (A 1 I) x 0 (A 3I) X 0 ,
Para

encontramos: X1=

1
2

2 3 6
Para
(multiplicidad 2), calculamos el rango
(A-I) = (A-6I)

2
1 2
A 6I 2 4 4 f 3 f 2
2 4 4

1 2 2
1 2 2 f 3 f 2
(1 / 2 ) f 2
0 0
0
( 1) f1

de

2
1 2
2 4 4

0
0
0

2
1 2
2 4 4 E

0
0
0

Vemos que (A-6I)=1 < 3 = nmero de incgnitas, entonces

existen 2 variables libres e independientes.
El sistema simplificado es EX = 0, lo cual equivale a la
ecuacin: x1-2x2 2x3 =0 . Sean x3 = s y x2 = r las
variables libres o independientes, entonces:
X1 = 2r + 2s
De donde, el

2r 2s

X
r r

vector propio (solucin no trivial) es:

2
0
1

1 s

, con r s diferente de cero

Obtenemos los vectores propios linealmente independientes :

x2 =

2
1

0

r 1, s 0

2
y x 3 0 , (r 0 , s 11).
1

Vemos que para 2 = 3 = 6 (multiplicidad 2), existen 2

vectores propios.

Propiedades : Si

es valor

x ; R {U}

propio de A asociado a

entonces
es tambin valor propio de A
asociado a .
1. A y AT tienen los mismos valores propios
2. Si un valor propio de A, entonces |A| =0
3. Si es valor propio de A, entonces k es valor
propio de kA
4. Si es valor propio de A, entonces n es valor
propio de Am, m Z+
5. Si es valor de A, entonces k es valor propio
de A k I.
6. Si es valor propio de A, entonces 1/ es valor
propio de A-1
7. Los n valores propios de una matriz diagonal son los
n elementos de la diagonal.
8. Si A es una matriz triangular inferior (superior),
los valores propios de A son los elementos de la
diagonal.
9. La suma de los valores propios de A son los
elementos de la diagonal.
6. Problemas resueltos:
1. Suponga una dieta mnima vital a de 110
protenas, 130 unidades de carbohidratos y
de minerales. Si adems existen 3 tipos
que se distribuyen empaquetados y que
contiene:

A
B
C
Cuadro

Protena Carbohidrat Minerale

s
os
s
1 u
2 u
4 u
4 u
4 u
2 u
2 u
4 u
3 u
de unidades por paquetes

Cuntos paquetes de cada tipo de

consumir para lograr la dieta mnima.

unidades de
100 unidades
de alimentos
por paquete

Alimento

alimento

se

Solucin: para una dieta mnima vital se necesitara:

x : paquetes del alimento A

deber

y = paquetes del alimento B

z = paquetes del alimento C
lo que consume protenas es : (1)x + (4)y + (2)z = 110
lo que consume Carbohidratos es : (2)x + (4)y + (4)z = 130
lo que consume minerales es : (4)x + (4)y + (3)z = 100
Entonces:

1 4 2
2 4 4

4 2 3

x
110
y 130

z
100

. Es decir AX = b, es decir X = A-1b

Calculando tenemos:

1 4 2
| A | 2 4 4 20
4 2 3
. Adems

2
4
Cof A
2
4
4

4
3
2
3
2
2

4
4
1
4
1

4
3
2
3
2
4

2
4
1

4
1
2

2
4
2
4
4

4 10 12
8 5 14
8
0 4

4 8 8
, Adj A 10 5 0
12 14 4

tambin tenemos

8 8
8 8
4
4
1

10 5 0 A B X 10 5 0

20
12 14 4
12 14 4

44 104 80 10
22.5
110 65

132 182 40 5

1

2
Por lo tanto X

11
13 (10) 1

20
10

2. Cierta especie de peces viven en un gran lago donde

se observan 3 zonas bien definidas A,B,C. Por razones
ecolgicas da tras da los peces realizan movimientos
migratorios entre las 3 zonas de acuerdo al siguiente
cuadro por da

Salen de

Saln de:
A
45%
35%
20%

A
B
C

Llegan a
B
25%
40%
65%

C
30%
25%
15%

Por ejemplo: En un da, el 45% de A queda A, el 25%

emigra a B y el 30% emigran a C.
Suponiendo que inicialmente la distribucin es a 0 en A,
b0 en B y c0 en C.
a) Plantear algebraicamente la distribucin al cabo de
un da.
b) Si x0 = [a0, b0, c0]1-3 ; x1 = [x1,b1,c1]1x3 representan
la distribucin inicial y la distribucin al cabo
de
un
da
en
las
zonas
A,B,C,
escribir
matricialmente a) usando x0 y x1 en la forma dada.
c) Determinar
la
distribucin
el
n-simo
da,
independiente de la distribucin de la distribucin
del da anterior y dependiendo solamente de la
distribucin inicial.
Solucion:
a) Tomando en cuenta que Adicionalmente haban:
a0 en A
b0 en B
c0 en C

A
9/20 a0
7/20 b0
3/10 c0

B
7/20 a0
2/5 b0
13/20 c0

C
3/10 a0
1/4 b0
3/20 c0

Entonces los :
NUEVO A : 9/20 a0 + 7/20 b0 + 3/10c0 = a1
NUEVO B : 1/4 a0
+ 2/5 b0 + 13/20c0 = b1
NUEVO C : 3/10 a0 + 1/4 b0 + 3/20 c0 = c1
Matricialmente :

9 / 20 7 / 20 13 / 20
1/ 4
2 / 5 15 / 20

3 / 10 1 / 4 3 / 20

a 0 a1
b b MA A
0
1
0 1
c 0 c 1

b) Como se quiere las respuestas en la forma: [a0,b0,c0]

= x0, [a1,b1,c1] = x1
Entonces: MA0=A1 ,nos queda: A0tMt=A1t , o sea x0Mt=x1

9 / 20 1 / 4 3 / 10
[a 0 , b 0 , c 0 ] 1 / 20 2 / 5
1 / 4 [a 1 , b 2 , c 1 ]
1 / 10 13 / 20 3 / 20
c) Forma general : x0 Mt = x1
Entonces:
x1 = x0 Mt
x2 = x1Mt = (x0Mt)Mt = x0(Mt)2
x3 = x2 Mt = x0(Mt)3
.
.
.
xn = xn-1 Mt = x0(Mt)n