APUNTES DEL CURSO

LGEBRA LINEAL
Gustavo Ito
Universidad Nacional Mayor de San Marcos, Ciudad Uni-
versitaria, S/N, Lima, Lima, Per
ndice general
Prefacio v
Captulo 1. Matrices 1
1. Algunos tipos de matrices 2
2. Operaciones con matrices 5
3. Matrices inversibles 8
Captulo 2. Determinantes 11
1. Propiedades de los determinantes 11
2. Clculo de determinantes de rdenes 1, 2 y 3 13
3. Clculo de determinantes por adjuntos 13
4. Clculo de determinantes por el mtodo de Gauss 14
5. Aplicaciones de los determinantes 15
6. Clculo de la matriz inversa usando determinantes 21
Captulo 3. Eliminacin gaussiana. Inversas 25
1. Operaciones elementales por las 28
2. Operaciones elementales por columnas 29
3. Clculo de la inversa con el mtodo de Gauss 30
Captulo 4. Aplicaciones a los sistemas de ecuaciones lineales 35
1. Tipos de sistemas 35
2. Representacin matricial de un s.e.l. 36
3. Discusin de un s.e.l.: Teorema de Rouch-Frbenius 36
4. Resolucin de un s.e.l. 37
5. Eliminacin Gaussiana. Sistemas no determinados 42
iii
Prefacio
Este texto se escribi como material para el curso lgebra Lineal,
dictado en el semestre acadmico 2013-II, en la Escuela Acadmico Pro-
fesional de Ingeniera Elctrica, de la Facultad de Ingeniera Elctrica;
de la Universidad Nacional Mayor de San Marcos.
v
CAPTULO 1
Matrices
Introduccin
Las matrices aparecen por primera vez hacia el ao 1850, intro-
ducidas por J.J. Sylvester. El desarrollo inicial de la teora se debe al
matemtico W.R. Hamilton en 1853. En 1858, A. Cayley introduce la
notacin matricial como una forma abreviada de escribir un sistema de
m ecuaciones lineales con n incgnitas.
Las matrices se utilizan en el clculo numrico, en la resolucin
de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y
de las derivadas parciales. Adems de su utilidad para el estudio de
sistemas de ecuaciones lineales, las matrices aparecen de forma natural
en geometra, estadstica, economa, informtica, fsica, etc...
La utilizacin de matrices (arrays) constituye actualmente una parte
esencial de los lenguajes de programacin, ya que la mayora de los
datos se introducen en los ordenadores como tablas organizadas en -
las y columnas : hojas de clculo, bases de datos...
Denicin de matriz
Se llama matriz de orden m n a todo conjunto rectangular de
elementos a
ij
dispuestos en m lneas horizontales (las) y n verticales
(columnas) de la forma:
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
a
21
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
a
in
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mj
a
mn
_
_
_
_
_
_
_
_
_
Abreviadamente suele expresarse en la forma A = (a
ij
), con i =
1; 2; :::; m; j = 1; 2; :::; n. Los subndices indican la posicin del ele-
mento dentro de la matriz, el primero denota la la (i) y el segundo la
columna (j). Por ejemplo el elemento a
25
ser el elemento de la la 2
y columna 5.
1
2 1. MATRICES
Dos matrices son iguales cuando tienen la misma dimensin y los
elementos que ocupan el mismo lugar en ambas son iguales.
Al espacio de las matrices de orden m n, con entradas reales, lo
denotaremos como M
mn
(R).
1. Algunos tipos de matrices
Vamos a describir algunos tipos de matrices que aparecen con fre-
cuencia debido a su utilidad, y de los que es conveniente recordar su
nombre.
Atendiendo a la forma:
Matriz la: Es una matriz que solo tiene una la, es decir
m = 1 y por tanto es de orden 1 n.
_
a
11
a
12
a
1j
a
1n
_
Matriz columna: Es una matriz que solo tiene una columna,
es decir, n = 1 y por tanto es de orden m 1.
_
_
_
_
_
_
_
_
_
a
11
a
21
.
.
.
a
i1
.
.
.
a
m1
_
_
_
_
_
_
_
_
_
Matriz cuadrada: Es aquella que tiene el mismo nmero de las
que de columnas, es decir m = n. En estos casos se dice que
la matriz cuadrada es de orden n, y no n n. Los elementos
a
ij
con i = j, o sea a
ii
forman la llamada diagonal principal
de la matriz cuadrada, y los elementos a
ij
con i +j = n +1 la
diagonal secundaria.
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
a
21
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ii
a
in
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nj
a
nn
_
_
_
_
_
_
_
_
_
Al espacio de matrices con entradas reales, lo denotaremos
M
n
(R).
Matriz traspuesta: Dada una matriz A, se llama traspuesta de
A, y se representa por A
t
, a la matriz que se obtiene cambiando
las por columnas. La primera la de A es la primera la de
1. ALGUNOS TIPOS DE MATRICES 3
A
t
, la segunda la de A es la segunda columna de A
t
, etc. De
la denicin se deduce que si A es de orden m n, entonces
A
t
es de orden n m.
_
_
_
_
_
_
_
_
_
a
11
a
21
a
j1
a
n1
a
12
a
22
a
j2
a
n2
.
.
.
.
.
.
.
.
.
a
1i
a
2i
a
ji
a
ni
.
.
.
.
.
.
.
.
.
a
1m
a
2m
a
jm
a
nm
_
_
_
_
_
_
_
_
_
Matriz simtrica: Una matriz cuadrada A es simtrica si A =
A
t
, es decir, si a
ij
= a
ji
; \i; j.
_
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1n
a
12
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
. a
ii

.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
a
nn
_
_
_
_
_
_
_
_
_
_
Matriz antisimtrica: Una matriz cuadrada es antisimtrica si
A = A
t
, es decir, si a
ij
= a
ji
; \i; j.
_
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1n
a
12
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
. a
ii

.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
a
nn
_
_
_
_
_
_
_
_
_
_
Atendiendo a los elementos
Matriz nula: Es aquella que todos sus elementos son 0 y se
representa por O.
_
_
_
_
_
_
_
_
_
_
0 0 0
0 0 0
.
.
.
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0
_
_
_
_
_
_
_
_
_
_
4 1. MATRICES
Matriz diagonal: Es una matriz cuadrada, en la que todos los
elementos no pertenecientes a la diagonal principal son nulos.
_
_
_
_
_
_
_
_
_
_
a
11
0 0
0 a
22
0
.
.
.
.
.
.
.
.
.
.
.
. a
ii

.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
nn
_
_
_
_
_
_
_
_
_
_
Matriz escalar: Es una matriz diagonal con todos los elementos
de la diagonal iguales.
_
_
_
_
_
_
_
_
_
_
a
11
0 0
0 a
11
0
.
.
.
.
.
.
.
.
.
.
.
. a
11

.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
11
_
_
_
_
_
_
_
_
_
_
Matriz unidad o identidad: Es una matriz escalar con los ele-
mentos de la diagonal principal iguales a 1.
_
_
_
_
_
_
_
_
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
. 1
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
_
_
_
_
_
Matriz Triangular: Es una matriz cuadrada que tiene nulos
todos los elementos que estn a un mismo lado de la diagonal
principal. Las matrices triangulares pueden ser de dos tipos:
Triangular Superior: Si los elementos que estn por debajo
de la diagonal principal son todos nulos. Es decir, a
ij
=
2. OPERACIONES CON MATRICES 5
0; \i > j.
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
0 a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
0 0 a
ij
a
in
.
.
.
.
.
.
.
.
.
0 0 0 a
nn
_
_
_
_
_
_
_
_
_
Triangular Inferior: Si los elementos que estn por encima
de la diagonal principal son todos nulos. Es decir, a
ij
=
0; \i < j.
_
_
_
_
_
_
_
_
_
a
11
0 0 0
a
21
a
22
0 0
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
0
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nj
a
nn
_
_
_
_
_
_
_
_
_
Matriz hermitiana: Sea A M
n
(C). Se le dice hermitiana, o
hermtica, si al transponerla quedan sus conjugados:
_
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
a
12
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
a
1j
a
2j

.
.
. a
in
.
.
.
.
.
.
.
.
.
a
1n
a
2n
a
in
a
nn
_
_
_
_
_
_
_
_
_
_
2. Operaciones con matrices
2.1. Trasposicin de matrices. Dada una matriz de orden m
n, A = (a
ij
), se llama matriz traspuesta de A, y se representa por A
t
,
a la matriz que se obtiene cambiando las las por las columnas (o
viceversa) en la matriz A. Es decir, si A es tal que
A =
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
a
21
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
a
in
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mj
a
mn
_
_
_
_
_
_
_
_
_
6 1. MATRICES
entonces su transpuesta es
A
t
=
_
_
_
_
_
_
_
_
_
a
11
a
21
a
j1
a
m1
a
12
a
22
a
j2
a
m2
.
.
.
.
.
.
.
.
.
a
1j
a
2j
a
ij
a
mj
.
.
.
.
.
.
.
.
.
a
1n
a
2n
a
in
a
mn
_
_
_
_
_
_
_
_
_
Propiedades de la trasposicin de matrices
1. Dada una matriz A, siempre existe su traspuesta y adems es
nica.
2. (A
t
)
t
= A.
2.2. Suma y diferencia de matrices. La suma de dos matrices
A = (a
ij
), B = (b
ij
) de la misma dimensin, es otra matriz S = (s
ij
)
de la misma dimensin que los sumandos y con trmino genrico s
ij
=
a
ij
+ b
ij
. Por tanto, para poder sumar dos matrices estas han de tener
la misma dimensin.
La suma de las matrices A y B se denota por A + B.
Propiedades de la suma de matrices
1. A + (B + C) = (A + B) + C (propiedad asociativa)
2. A + B = B + A (propiedad conmutativa)
3. A + O = A (O es la matriz nula)
4. La matriz A, que se obtiene cambiando de signo todos los
elementos de A, recibe el nombre de matriz opuesta de A, ya
que A + (A) = O.
5. La diferencia de matrices A y B se representa por AB, y se
dene como: A B = A + (B)
2.3. Producto de una matriz por un nmero. El producto
de una matriz A = (a
ij
) por un nmero real k es otra matriz B = (b
ij
)
de la misma dimensin que A y tal que cada elemento b
ij
de B se
obtiene multiplicando a
ij
por k, es decir, b
ij
= ka
ij
.
El producto de la matriz A por el nmero real k se designa por
kA. Al nmero real k se le llama tambin escalar, y a este producto,
producto de escalares por matrices.
Propiedades del producto de una matriz por un escalar
1. k(A + B) = kA + kB (propiedad distributiva 1
a
)
2. (k + h)A = kA + hA (propiedad distributiva 2
a
)
3. k (hA) = (kh)A (propiedad asociativa mixta)
4. 1A = A (elemento unidad)
2. OPERACIONES CON MATRICES 7
2.4. Propiedades simplicativas.
1. A + C = B + C = A = B.
2. kA = kB = A = B, si k es distinto de 0.
3. kA = hA = h = k, si A es distinto de 0.
2.5. Producto de matrices. Dadas dos matrices A y B, su pro-
ducto es otra matriz P cuyos elementos se obtienen multiplacando las
las de A por las columnas de B. De manera ms formal, los elementos
de P son de la forma:
p
ij
=

a
ik
b
kj
Es evidente que el nmero de columnas de A debe coincidir con el
nmero de las de B. Es ms, si A tiene dimensin mn y B dimensin
n p, la matriz P ser de orden m p. Es decir:
p
ij
=
n

k=1
a
ik
b
kj
Ejemplo 1. Veamos un ejemplo de multiplicacin, entre dos ma-
trices 2 2:
_
4 7
8 10
__
6 8
5 7
_
=
_
11 81
98 6
_
y esto es porque, para a
11
:
a
11
=
_
4 7

_
6
5
_
= 11
esto es, se hace el producto la-columna con la primera la y la primera
columna, respectivamente. El resto de elementos se calcula de forma
anloga:
a
12
=
_
4 7

_
8
7
_
= 81
a
21
=
_
8 10

_
6
5
_
= 98
a
22
=
_
8 10

_
8
7
_
= 6
As, se obtiene la matriz
_
11 81
98 6
_
.
8 1. MATRICES
2.5.1. Propiedades del producto de matrices.
1. A(BC) = (AB)C
2. El producto de matrices en general no es conmutativo.
3. Si A es una matriz cuadrada de orden n se tiene AI
n
= I
n
A =
A.
4. Dada una matriz cuadrada A de orden n, no siempre existe
otra matriz B tal que AB = BA = I
n
. Si existe dicha matriz
B, se dice que es la matriz inversa de A y se representa por
A
1
.
5. El producto de matrices es distributivo respecto de la suma de
matrices, es decir: A(B + C) = AB + AC.
2.5.2. Consecuencias de las propiedades.
1. Si AB = 0 no implica que A = 0 B = 0.
2. Si AB = AC no implica que B = C.
3. En general (A + B)
2
,= A
2
+ B
2
+ 2AB, ya que AB ,= BA.
4. En general (A + B)(A B) ,= A
2
B
2
, ya que AB ,= BA.
3. Matrices inversibles
Una matriz cuadrada que posee inversa se dice que es inversible o
regular; en caso contrario recibe el nombre de singular.
3.1. Propiedades de la inversin de matrices.
1. La matriz inversa, si existe, es nica
2. A
1
A = AA
1
= Id.
3. (AB)
1
= B
1
A
1
.
4. (A
1
)
1
= A.
5. (kA)
1
=
_
1
k
_
A
1
(k R0).
6. (A
t
)
1
= (A
1
)
t
.
Observacin:
Podemos encontrar matrices que cumplen AB = Id, pero que BA ,=
Id, en tal caso, podemos decir que A es la inversa de B por la izquier-
da, o que B es la inversa de A "por la derecha".
Hay varios mtodos para calcular la matriz inversa de una matriz
dada:
Directamente.
Usando determinantes.
Por el mtodo de Gauss-Jordan.
Describiremos estos mtodos ms adelante.
3. MATRICES INVERSIBLES 9
Ejemplo 2. Sea la matriz
_
_
_
_
_
_
1 2 1 5 5
1 3 3 4 3
5 1 2 4 4
4 1 4 5 3
3 5 5 4 1
_
_
_
_
_
_
entonces, su matriz inversa es
1
180
_
_
_
_
_
_
4 57 40 12 27
20 15 20 60 45
124 192 20 12 72
152 231 100 84 81
100 210 80 60 90
_
_
_
_
_
_
El siguiente ejemplo muestra cmo la teora desarrollada, puede sin
problemas aplicarse a matrices con entradas complejas.
Ejemplo 3. Sea la matriz A M
3
(C), denida como
A =
_
_
4 + i 7 8
10 + 3i 6 8
5 7 i 6
_
_
entonces, su matriz inversa es
A
1
=
_
33
4405

7
8810
i
_
_
_
20 8i 14 8i 8
20 18i 16 + 6i 48 + 32i
43 + 11i 8 11i 46 27i
_
_
3.2. Clculo explcito de la inversa de orden dos. Si la ma-
triz tiene orden dos, entonces es fcil obtener su inversa directamente.
Sea A M
2
(R), esto es
A =
_
a b
c d
_
con a; b; c; d R. Entonces, haciendo
B =
_
d b
c a
_
tenemos que
AB =
_
a b
c d
_ _
d b
c a
_
=
_
ad bc 0
0 ad bc
_
luego, A
1
=
1
ad bc
B (siempre que ad bc ,= 0).
10 1. MATRICES
Ejemplo 4. Sea A =
_
6 8
5 7
_
. Luego, A
1
=
1
82
_
7 8
5 6
_
.
Ejemplo 5. Sea A =
_
6 6
0 5
_
. Luego, A
1
=
1
30
_
5 6
0 6
_
.
Para matrices de orden tres o mayores, no es tan sencillo calcular
sus inversas directamente. Existen tcnicas para tal n.
CAPTULO 2
Determinantes
Dada una matriz cuadrada A M
n
(R), esto es
A =
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
a
21
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
a
in
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nj
a
nn
_
_
_
_
_
_
_
_
_
se llama determinante de A, y se representa por [A[ det(A), al
nmero:
[A[ =

i () a
1(1)
a
2(2)
a
n(n)
con S
n
(S
n
es el grupo de las permutaciones del conjunto
1; 2; ::n, e i() es la signatura de la permutacin)
Tambin se suele escribir:
[A[ =

a
11
a
12
a
1j
a
1n
a
21
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
a
in
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nj
a
nn

1. Propiedades de los determinantes

Si todos los elementos de una lnea (la o columna) de una
matriz cuadrada se descomponen en dos sumandos, entonces
su determinante es igual a la suma de dos determinantes que
tienen en esa lnea los primeros y segundos sumandos, respec-
tivamente, y en las dems los mismos elementos que el deter-
minante inicial.
det (L
1
+ L
0
1
; L
2
; L
3
; : : :) = det (L
1
; L
2
; L
3
; : : :) + det (L
0
1
; L
2
; L
3
; : : :)
11
12 2. DETERMINANTES
Si se multiplican todos los elementos de una lnea de una ma-
triz cuadrada por un nmero, el determinante queda multipli-
cado por dicho nmero.
det (kL
1
; L
2
; L
3
; : : :) = k det (L
1
; L
2
; L
3
; : : :)
Si A y B son dos matrices cuadradas del mismo orden, entonces
se verica:
det (AB) = det Adet B
Si permutamos dos lneas paralelas de una matriz cuadrada,
su determinante cambia de signo con respecto al inicial:
det (L
1
; L
2
; L
3
; : : :) = det (L
2
; L
1
; L
3
; : : :)
Si una matriz cuadrada tiene una lnea con todos los elementos
nulos, su determinante vale cero.
det (0; L
2
; L
3
; : : :) = 0
Si una matriz cuadrada tiene dos lneas paralelas iguales, su
determinante vale cero.
det (L
2
; L
2
; L
3
; : : :) = 0
Si dos lneas paralelas de una matriz cuadrada son propor-
cionales, su determinante se anula.
det (L
1
; kL
1
; L
3
; : : :) = 0
Si una la (columna) de una matriz cuadrada es combinacin
lineal de las restantes las (columnas), su determinante vale
cero.
det (L
1
; L
2
; aL
1
+ bL
2
; : : :) = 0
Si a una lnea de una matriz cuadrada se le suma otra paralela,
su determinante no vara.
det (L
1
+ L
2
; L
2
; L
3
; : : :) = det (L
1
; L
2
; L
3
; : : :) + det (L
2
; L
2
; L
3
; : : :)
= det (L
1
; L
2
; L
3
; : : :)
Si a una lnea de una matriz cuadrada se le suma otra paralela
multiplicada por un nmero, su determinante no vara.
det (L
1
+ kL
2
; L
2
; L
3
; : : :) = det (L
1
; L
2
; L
3
; : : :) + det k (L
2
; L
2
; L
3
; : : :)
= det (L
1
; L
2
; L
3
; : : :)
3. CLCULO DE DETERMINANTES POR ADJUNTOS 13
2. Clculo de determinantes de rdenes 1, 2 y 3
n = 1 : Directamente de la denicin, se tiene A = (a
11
) = a
11
.
n = 2 : Sea A M
2
(R). Luego
[A[ =

a
11
a
12
a
21
a
22

= a
11
a
22
a
12
a
21
n = 3 : Sea A M
3
(R). Entonces A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
, y
det A es
(a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
)(a
13
a
22
a
31
+ a
12
a
21
a
33
+ a
11
a
23
a
32
)
En este ltimo caso, para acordarnos de todos los productos posibles
y sus correspondientes signos se suele usar la Regla de Sarrus, que
consiste en un esquema grco para los productos positivos y otro para
los negativos:
3. Clculo de determinantes por adjuntos
Sea A una matriz cuadrada y a
ij
uno cualquiera de sus elemen-
tos. Si se suprime la la i y la columna j de la matriz A se obtiene
una submatriz M
ij
que recibe el nombre de matriz complementaria del
elemento a
ij
.
Dada la matriz
A =
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
a
21
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
a
in
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nj
a
nn
_
_
_
_
_
_
_
_
_
14 2. DETERMINANTES
la matriz complementaria del elemento a
11
es la matriz que resulta de
suprimir en la matriz A la la 1 y la columna 1; es decir:
M
11
=
_
_
_
_
_
_
_
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
a
i2
a
ij
a
in
.
.
.
.
.
.
.
.
.
a
n2
a
nj
a
nn
_
_
_
_
_
_
_
Llamamos menor complementario del elemento a
ij
al determinante de
la matriz complementaria del elemento a
ij
, y se representa por a
ij
.
Se llama adjunto de a
ij
, y se representa por por A
ij
, al nmero
(1)
i+j
a
ij
.
El determinante de una matriz cuadrada es igual a la suma de
los elementos de una la o columna cualquiera, multiplicados por sus
adjuntos.
Por ejemplo, si desarrollamos un determinante de orden n por los
adjuntos de la 1
a
la se tiene:
[A[ =
n

i=1
a
1i
A
1j
NOTA: Esta regla rebaja el orden del determinante que se pretende
calcular en una unidad. Para evitar el clculo de muchos determinantes
conviene elegir lneas con muchos ceros.
4. Clculo de determinantes por el mtodo de Gauss
Se conoce cmo mtodo de Gauss a un mtodo para facilitar el cl-
culo de determinantes usando las propiedades de stos. Dicho mtodo
consiste en hallar un determinante equivalente (con el mismo valor) al
que se pretende calcular, pero triangular. De esta forma el problema se
reduce a calcular un determinante de una matriz triangular, cosa que
es bastante fcil usando las propiedades de los determinantes.
Para conseguir triangularizar el determinante se pueden aplicar las
siguientes operaciones:
Permutar 2 las o 2 columnas.
Multiplicar o dividir una lnea por un nmero no nulo.
Sumarle o restarle a una lnea otra paralela multiplicada por
un nmero no nulo.
Pongamos un pequeo ejemplo:
5. APLICACIONES DE LOS DETERMINANTES 15

1 0 3
2 1 4
1 0 1

F
2
2F
1
=
F
3
F
1

1 0 3
0 1 2
0 0 4

= 4
Veamos otro ejemplo:
Ejemplo 6. Sea la matriz de orden dos
A =
_
1 2
5 10
_
Se trata de calcular el determinante [A[. Apliquemos la operacin el-
emental "sumar la primera la, multiplicada por el factor 5; a la
segunda la". As, el determinante tomar la forma

1 2
5 5 + 1 10 5 + 2

que ser, por las propiedades ya vistas

1 2
5 5 + 1 10 5 + 2

1 2
5 10

1 2
5 + 1 10 + 2

entonces, ser igual a

1 2
5 10

1 2
1 2

y el determinante de la derecha ser cero. As, es igual al determinante

[A[.
Ms adelante explicaremos con ms detalle cmo usar el mtodo de
Gauss para calcular determinantes con mucha facilidad.
5. Aplicaciones de los determinantes
Hay un importante concepto relacionado con matrices, el rango, que
denimos a continuacin.
Definicin 1. Sean

a ;

b R
n
. Se llama combinacin lineal
de

a y

b , a toda expresin de la forma
k

a + q

b
para k; q R, con k
2
+ q
2
,= 0.
Ejemplo 7. Sean

a = (1; 2) ;

b = (2; 3) R
2
. Una combinacin
lineal de

a y

b es (14; 23) = 4 (1; 2) + 5 (2; 3).
16 2. DETERMINANTES
Definicin 2. Sean

a ;

b ;

c R
n
. Se dice del cojunto
_

a ;

b ;

c
_
que es linealmente independiente si

c no es combinacin lineal de

a y

b . En caso contrario, se dir que
_

a ;

b ;

c
_
es linealmente
dependiente.
Una manera equivalente de expresar la independencia lineal es: Si
_

a ;

b ;

c
_
es un conjunto linealmente independiente, la nica solu-
cin de la ecuacin
x

a + y

b + z

c =

0
tiene como nica solucin, x = y = z = 0.
Ejemplo 8. En el ejemplo anterior, haciendo

c = (14; 23), ten-
emos que
_

a ;

b ;

c
_
que es linealmente dependiente, pues

c es una
combinacin lineal de

a y

b . En cambio,
_

a ;

b
_
es linealmente
independiente.
Nota 1. En R
2
, no existen conjuntos linealmente independientes
de tres o ms elementos. En general, en R
n
, no existen conjuntos lin-
ealmente independientes de n + 1 o ms elementos.
Definicin 3. Dada una matriz A M
n
(K), se llama rango al
nmero entero mximo, de vectores la, linealmente independientes.
Nota 2. Hay una denicin anloga, con vectores columna lineal-
mente independientes. Se puede demostrar que en ambos casos, el rango
es el mismo.
5.1. Clculo del rango usando determinantes. Si a un menor
M de orden h de la matriz A se le aade la la p y la columna q de A
(que antes no estaban en el menor), obtenemos un menor N de orden
h + 1 que se dice obtenido de M orlando este menor con la la p y la
columna q.
El mtodo para el clculo del rango es un proceso iterado que sigue
los siguientes pasos:
Antes de comenzar el mtodo se busca un elemento no nulo, ya que
si todos los elementos son 0, el rango ser 0. El elemento encontrado
ser el menor de orden k = 1 de partida.
1. Se orla el menor de orden k hasta encontrar un menor de orden
k + 1 no nulo. Cuando se encuentra un menor de orden k + 1
no nulo se aplica a ste el mtodo.
2. Si todos los menores orlados obtenidos aadindole al menor
de partida los elementos de una lnea i
0
son nulos, podemos
5. APLICACIONES DE LOS DETERMINANTES 17
eliminar dicha lnea porque es combinacin de las que compo-
nen el menor de orden k.
3. Si todos los menores de orden k +1 son nulos el rango es k. (Si
aplicamos bien el mtodo en realidad, al llegar a este punto,
la matriz tiene orden k).
5.2. Clculo del rango de una matriz por el mtodo de
Gauss.
Transformaciones elementales. Son las transformaciones que podemos
realizarle a una matriz sin que su rango vare. Es fcil comprobar que
estas transformaciones no varan el rango usando las propiedades de
los determinantes
1. Si se permutan 2 las o 2 columnas el rango no vara.
2. Si se multiplica o divide una lnea por un nmero no nulo el
rango no cambia.
3. Si a una lnea de una matriz se le suma o resta otra paralela
multiplicada por un nmero no nulo el rango no vara.
4. Se pueden suprimir las las o columnas que sean nulas, las las
o columnas que sean que sean proporcionales a otras, sin que
el rango de la matriz vare.
Mtodo de Gauss. El mtodo de Gauss consiste en aplicar transfor-
maciones elementales a una matriz con objeto de conseguir que los
elementos que estn por debajo de la diagonal principal se anulen
(a
ij
= 0; i > j). Para conseguir triangularizar la matriz debemos
dejar en la diagonal principal elementos no nulos, salvo que la la sea
nula.
Una vez aplicado este proceso de triangularizacin, el rango de la
matriz es el nmero de las no nulas de la matriz obtenida. Esto es
fcil probarlo usando las propiedades de los determinantes.
Ejemplo 9. Tenemos la matriz
A =
_
_
3 2 9
2 9 6
3 29 9
_
_
y queremos calcular su rango. Esto es, su nmero de las linealmente
independientes. Esto es, debemos ver si por medio de operaciones el-
ementales, podemos hacer cero una o ms las. Empezamos multipli-
cando la primera la por
2
3
, y sumndola a la segunda. Queda
_
_
3 2 9
0
31
3
0
3 29 9
_
_
18 2. DETERMINANTES
luego, sumamos la primera a la tercera:
_
_
3 2 9
0
31
3
0
0 31 0
_
_
nalmente, multiplicamos la segunda la por 3 y la sumamos a la
tercera. Sale
_
_
3 2 9
0
31
3
0
0 0 0
_
_
As, probamos que el tercer vector la es combinacin lineal de las las
primera y la segunda. Concretamente
_
3 29 9

= 1
_
3 2 9

+ 3
_
2 9 6

Esto es,
_
3 2 9

y
_
2 9 6

son linealmente independi-
entes. Es decir, Rang A = 2.
Ejemplo 10. Calcular el rango de la matriz real
_

_
6 0 5 10 1
1 3 10 5 4
8 1 10 2 3
1 9 8 4 5
10 2 5 7 7
_

_
aplicando el mtodo de eliminacin gaussiana.
Multiplicamos la primera la por
1
6
:
_

_
1 0
5
6
5
3

1
6
1 3 10 5 4
8 1 10 2 3
1 9 8 4 5
10 2 5 7 7
_

_
sumamos a la segunda, tercera, cuarta y quinta las, la primera, mul-
tiplicada por 1, 8, 1, y 10, respectivamente:
_

_
1 0
5
6
5
3

1
6
0 3
55
6
10
3

23
6
0 1
50
3
46
3
5
3
0 9
43
6
17
3

31
6
0 2
40
3

29
3
26
3
_

_
5. APLICACIONES DE LOS DETERMINANTES 19
multiplicando la segunda por
1
3
:
_

_
1 0
5
6
5
3

1
6
0 1
55
18

10
9
23
18
0 1
50
3
46
3
5
3
0 9
43
6
17
3

31
6
0 2
40
3

29
3
26
3
_

_
sumando a la tercera, cuarta y quinta las, la segunda, multiplicada
por 1, 9, y 2, respectivamente:
_

_
1 0
5
6
5
3

1
6
0 1
55
18

10
9
23
18
0 0
245
18
128
9
53
18
0 0
104
3

13
3
19
3
0 0
175
9

107
9
101
9
_

_
multiplicando la tercera por
18
245
:
_

_
1 0
5
6
5
3

1
6
0 1
55
18

10
9
23
18
0 0 1
256
245

53
245
0 0
104
3

13
3
19
3
0 0
175
9

107
9
101
9
_

_
sumando a la cuarta y quinta las, la tercera, multiplicada por
104
3
, y
175
9
, respectivamente:
_

_
1 0
5
6
5
3

1
6
0 1
55
18

10
9
23
18
0 0 1
256
245

53
245
0 0 0
7813
245
3389
245
0 0 0
59
7
108
7
_

_
multiplicando la cuarta por
245
7813
:
_

_
1 0
5
6
5
3

1
6
0 1
55
18

10
9
23
18
0 0 1
256
245

53
245
0 0 0 1
3389
7813
0 0 0
59
7
108
7
_

_
20 2. DETERMINANTES
sumando la cuarta la, multiplicada por
59
7
a la quinta la:
_

_
1 0
5
6
5
3

1
6
0 1
55
18

10
9
23
18
0 0 1
256
245

53
245
0 0 0 1
3389
7813
0 0 0 0
91 979
7813
_

_
luego, se tiene que la matriz tiene los cinco vectores la, linealmente
independientes. Tiene rango mximo. Es decir, rango 5.
Ejercicio 1. La matriz de este ejemplo tiene determinante 91 979,
es decir, el elemento de la quinta la y la quinta columna de su forma
reducida de Gauss, multiplicado por 7813. Decir por qu (PISTA: Usar
propiedades del determinante).
DETERMINANTES. Esta ltima tcnica ayuda tambin al clculo de
los determinantes. Recordando que el determinante es invariante frente
a operaciones elementales la (o columna), ms un hecho, que enun-
ciaremos a continuacin, tendremos lo deseado.
Proposicin 1. Sea A M
n
(K). Si A es triangular (superior o
inferior), se tiene
det A =
n

i=1
a
ii
es decir, [A[ es el producto de los elementos a
11;
a
22
; : : : ; a
nn
K de su
diagonal principal.
Demostracin. Usando la regla de Sarrus, el nico factor que no
se anula es
n

i=1
a
ii
.
As, triangulando una matriz con la eliminacin de Gauss, puede
obtenerse el determinante con mayor facilidad. Ponemos un ejemplo:
Ejemplo 11. Sea A M
n
(R) denida como
A =
_

_
1 3 3 4
1 0 5 1
5 2 3 5
5 1 5 2
_

_
Calcular det A.
El determinante puede calcularse de varias formas, y dar siempre 620.
6. CLCULO DE LA MATRIZ INVERSA USANDO DETERMINANTES 21
Usando la eliminacin gaussiana, debemos primero hacer ceros a to-
dos los elementos de la primera columna (menos el primer elemento).
Sumando la primera la a la segunda, queda
_

_
1 3 3 4
0 3 2 5
5 2 3 5
5 1 5 2
_

_
procediendo igual con la tercera y la cuarta, queda
_

_
1 3 3 4
0 3 2 5
0 13 18 25
0 14 10 18
_

_
y, procediendo as, se obtiene su forma reducida
A
0
=
_

_
1 3 3 4
0 3 2 5
0 0
80
3

10
3
0 0 0
31
4
_

_
y, por lo dicho, tenemos
[A
0
[ = (1) (3)
_
80
3
__
31
4
_
= 620 = [A[
En el ejemplo anterior puede verse que el problema del clculo de
un determinante se reduce a una operacin aritmtica. Lo complicado
es llegar a esa forma reducida.
6. Clculo de la matriz inversa usando determinantes
Sea A M
n
(K). Denimos a la matriz de cofactores de A,
Cof A, como
Cof A = (1)
i+j
(M
ij
)
donde cada M
ij
es el menor adjunto de A, precedido por el signo de la
posicin.
Ejemplo 12. Sea A =
_
_
4 7 8
10 6 8
5 7 6
_
_
. Sus menores adjuntos
sern:
M
11
=

6 8
7 6

= 20
M
12
=

10 8
5 6

= 20
22 2. DETERMINANTES
M
13
=

10 6
5 7

= 40
M
21
=

7 8
7 6

= 14
M
22
=

4 8
5 6

= 16
M
23
=

4 7
5 7

= 7
M
31
=

7 8
6 8

= 8
M
32
=

4 8
10 8

= 48
M
33
=

4 7
10 6

= 46
as, la matriz de cofactores de A ser
Cof A =
_
_
(1)
1+1
20 = 20 (1)
1+2
20 = 20 (1)
1+3
40 = 40
(1)
2+1
14 = 14 (1)
2+2
16 = 16 (1)
2+3
7 = 7
(1)
3+1
8 = 8 (1)
3+2
48 = 48 (1)
3+3
46 = 46
_
_
es decir
Cof A =
_
_
M
11
M
12
M
13
M
21
M
22
M
23
M
31
M
32
M
33
_
_
=
_
_
20 20 40
14 16 7
8 48 46
_
_
Dada una matriz cuadrada A, se llama matriz adjunta de A, y se
representa por Adj (A), a la matriz de los adjuntos, Adj (A), denida
como la traspuesta de la matriz de cofactores.
Si tenemos una matriz tal que det A ,= 0, se verica:
A
1
=
1
det A
[Adj (A)]
Ejemplo 13. En el ejemplo anterior, se tiene [A[ = 100. Luego
Adj (A) = [Cof A]
t
=
_
_
20 14 8
20 16 48
40 7 46
_
_
entonces, tenemos que la inversa es
A
1
=
1
det A
[Adj (A)] =
1
100
_
_
20 14 8
20 16 48
40 7 46
_
_
6. CLCULO DE LA MATRIZ INVERSA USANDO DETERMINANTES 23
su forma simplicada ser A
1
=
_
_
1
5
7
50

2
25

1
5
4
25
12
25
2
5

7
100

23
50
_
_
.
Finalmente, enunciamos algunos hechos relacionados con las matri-
ces inversibles, el rango y el determinante.
Teorema 1. Sea A M
n
(K). Las siguientes proposiciones son
equivalentes:
1) A es no singular.
2) det A ,= 0.
3) Rang A = n.
Demostracin. Veamos las tres implicaciones:
(1) = (2)
A es no singular. Luego, existe A
1
tal que AA
1
= A
1
A = Id.
Sabemos que [Id[ = 1. Asimismo, sabemos por propiedades del deter-
minante, que [AA
1
[ = [A[ [A
1
[. As, tenemos que [A[ [A
1
[ = 1. As,
tenemos que ninguno de los nmeros [A[ ; [A
1
[ R es cero. En partic-
ular, [A[ , = 0.
(2) = (3)
Probemos el contrarrecproco, es decir, (3) = (2): Sea Rang A <
n. Luego, por transformaciones elementales se puede llegar a que la ma-
triz tiene al menos una la (o columna) slo con ceros. Por propiedades
del determinante, la matriz transformada tiene determinante cero. Y
como el determinante no vara frente a transformaciones elementales,
tenemos [A[ = 0.
(3) = (1)
(ejercicio)
CAPTULO 3
Eliminacin gaussiana. Inversas
Cerramos con el captulo que da el algoritmo para calcular la inversa
de una matriz con el mtodo de Gauss. Se pone la matriz a calcular,
al lado de la identidad del mismo orden. Luego se le aplican (a ambas)
las mismas operaciones elementales la (o columna), hasta llegar la
primera a la identidad. La inversa ser la segunda que se obtenga.
Nota 3. Al aplicar operaciones elementales, pueden hacerse, o bien
slo operaciones la, o bien slo operaciones columna. No ambas a la
vez.
Pongamos un ejemplo de ello.
Ejemplo 14. Sea la matriz
A =
_
_
4 7 8
10 6 8
5 7 6
_
_
Calcular la inversa A
1
.
Ponemos a A y a la identidad juntas.
_
_
4 7 8
10 6 8
5 7 6
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
hacemos el primer coeciente, de la primera la, 1, multiplicando por
1
4
:
_
_
1
7
4
2
10 6 8
5 7 6
_
_
_
_
1
4
0 0
0 1 0
0 0 1
_
_
ahora, sumamos a la segunda la, la primera multiplicada por 10:
_
10 6 8

10
_
1
7
4
2

=
_
0
23
2
12

y las matrices quedan:
_
_
1
7
4
2
0
23
2
12
5 7 6
_
_
_
_
1
4
0 0
10
4
1 0
0 0 1
_
_
25
26 3. ELIMINACIN GAUSSIANA. INVERSAS
luego, sumamos la tercera, la primera por 5:
_
5 7 6

+ 5
_
1
7
4
2

=
_
0
7
4
4

as
_
_
1
7
4
2
0
23
2
12
0
7
4
4
_
_
_
_
1
4
0 0
10
4
1 0
5
4
0 1
_
_
hacemos 1 el segundo pivote, multiplicando la segunda la por
2
23
:
_
_
1
7
4
2
0 1
24
23
0
7
4
4
_
_
_
_
1
4
0 0
5
23
2
23
0
5
4
0 1
_
_
sumando la tercera, ms la segunda por
7
4
:
_
0
7
4
4

+
7
4
_
0 1
24
23

=
_
0 0
50
23

_
5
4
0 1

+
7
4
_
5
23
2
23
0

=
_

20
23
7
46
1

y las matrices quedan:
_
_
1
7
4
2
0 1
24
23
0 0
50
23
_
_
_
_
1
4
0 0
5
23
2
23
0

20
23
7
46
1
_
_
creamos el tercer pivote, haciendo uno la tercera la:

23
50
_

20
23
7
46
1

=
_
2
5

7
100

23
50

entonces:
_
_
1
7
4
2
0 1
24
23
0 0 1
_
_
_
_
1
4
0 0
5
23
2
23
0
2
5

7
100

23
50
_
_
ya tenemos la matriz triangulada, y con unos en la diagonal principal.
Falta diagonalizarla. Sumando la segunda, ms la tercera multiplicada
por
24
23
:
_
5
23
2
23
0

+
24
23
_
2
5

7
100

23
50

=
_

1
5
4
25
12
25

y queda:
_
_
1
7
4
2
0 1 0
0 0 1
_
_
_
_
1
4
0 0

1
5
4
25
12
25
2
5

7
100

23
50
_
_
3. ELIMINACIN GAUSSIANA. INVERSAS 27
y nalmente, aplicamos a la primera, la segunda por
7
4
, y la tercera por
2:
_
1
4
0 0

+
7
4
_

1
5
4
25
12
25

+2
_
2
5

7
100

23
50

=
_
1
5
7
50

2
25

y las matrices acaban como

_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
1
5
7
50

2
25

1
5
4
25
12
25
2
5

7
100

23
50
_
_
con lo cual, tenemos A
1
=
_
_
1
5
7
50

2
25

1
5
4
25
12
25
2
5

7
100

23
50
_
_
.
Como dijimos antes, puede hacerse el mismo proceso tambin por
columnas. Es importante explicar por qu NO pueden hacerse por las
y columnas simultneamente:
No probaremos el siguiente hecho, pero es fcilmente comprobable
que para cada operacin elemental que denimos antes, puede hallarse
una matriz. Le llamaremos matriz elemental.
Definicin 4. Sea una matriz A M
n
(K). Para cada operacin
elemental aplicada sobre A, denimos a la matriz elemental, asociada
a esa operacin, como a la matriz identidad orden n, con la misma
transformacin.
Ejemplo 15. Sea A M
n
(R) ; A =
_
6 0
5 10
_
. Si permutamos
la primera por la segunda la, queda
_
5 10
6 0
_
. La matriz elemental
asociada a ese cambio ser
_
0 1
1 0
_
.
Ejemplo 16. Con la misma matriz de antes, multiplicamos la se-
gunda la por 1. La matriz elemental asociada a ese cambio ser
_
0 1
1 0
_
.
28 3. ELIMINACIN GAUSSIANA. INVERSAS
Ejemplo 17. Sea A =
_
_
1 1 3
10 5 4
8 1 10
_
_
. Si cambiamos la primera
columna por la tercera, da
_
_
3 1 1
4 5 10
10 1 8
_
_
. La matriz elemental,
asociada a esa operacin elemental, ser
_
_
0 0 1
0 1 0
1 0 0
_
_
.
1. Operaciones elementales por las
Dicho esto, enunciamos el siguiente
Teorema 2. Sea una matriz A M
n
(K). Sea A
0
la matriz A tras
hacerle una operacin elemental por las. Sea E la matriz elemental
asociada a esa operacin. Entonces, se tiene
A
0
= EA
Un ejemplo:
Ejemplo 18. Sea A M
4
(R), con
A =
_

_
4 7 8 10
6 8 5 7
6 6 0 5
10 1 1 3
_

_
consideramos la matriz elemental que cambia la segunda por la cuarta
la
E =
_

_
1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0
_

_
tenemos que la matriz
_

_
1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0
_

_
_

_
4 7 8 10
6 8 5 7
6 6 0 5
10 1 1 3
_

_
da como resultado cambiar las las
_

_
4 7 8 10
10 1 1 3
6 6 0 5
4 7 8 10
_

_
2. OPERACIONES ELEMENTALES POR COLUMNAS 29
(comprobarlo).
2. Operaciones elementales por columnas
Es decir, cualquier operacin elemental por las, equivale a multi-
plicar por la izquierda, una matriz elemental. Hay una versin anlo-
ga, para operaciones por columna:
Teorema 3. Sea una matriz A M
n
(K). Sea A
0
la matriz A
tras hacerle una operacin elemental por columnas. Sea E la matriz
elemental asociada a esa operacin. Entonces, se tiene
A
0
= AE
O sea, una operacin elemental por columnas, implica multiplicar
por derecha, la matriz elemental correspondiente.
Veamos un par de ejemplos:
Ejemplo 19. Sea la matriz A M
3
(R), con A =
_
_
2 3 1
9 8 4
5 10 2
_
_
.
Si cambiamos la primera por la segunda la, tenemos que la matriz el-
emental E =
_
_
0 1 0
1 0 0
0 0 1
_
_
. Puede comprobarse que
_
_
0 1 0
1 0 0
0 0 1
_
_
_
_
2 3 1
9 8 4
5 10 2
_
_
=
_
_
9 8 4
2 3 1
5 10 2
_
_
es decir,
_
_
9 8 4
2 3 1
5 10 2
_
_
es el resultado de multiplicar por izquierda
(en la jerga matricial, premultiplicar), la elemental por la matriz.
Esto es,
_
_
9 8 4
2 3 1
5 10 2
_
_
= EA.
Ejemplo 20. Sea la misma matriz anterior. Esta vez, se le aplica el
cambio de la segunda columna, por la tercera. Queda
_
_
2 1 3
9 4 8
5 2 10
_
_
.
30 3. ELIMINACIN GAUSSIANA. INVERSAS
La matriz elemental asociada es E =
_
_
1 0 0
0 0 1
0 1 0
_
_
. Resulta que
AE =
_
_
2 3 1
9 8 4
5 10 2
_
_
_
_
1 0 0
0 0 1
0 1 0
_
_
=
_
_
2 1 3
9 4 8
5 2 10
_
_
3. Clculo de la inversa con el mtodo de Gauss
Con estas notaciones, el proceso de eliminacin gaussiana puede
explicarse como sigue: a una matriz A M
n
(K), tras hacerle una
primera operacin (la) elemental, queda E
1
A. A esa nueva matriz, se
le aplica una segunda operacin elemental E
2
. Queda E
2
(E
1
A). Pro-
cedemos hasta la operacin elemental ksima, en donde llegamos a la
identidad. Tenemos
E
k
E
k1
E
k3
: : : E
4
E
3
E
2
E
1
A = I
n
donde I
n
es la identidad de orden n. Como el producto de matrices es
asociativo, tenemos
(E
k
E
k1
E
k3
: : : E
4
E
3
E
2
E
1
) A = I
n
As, denotando
E
k
E
k1
E
k3
: : : E
4
E
3
E
2
E
1
= A
1
tenemos A
1
A = AA
1
= I
n
.
Anlogamente, si procedisemos por q operaciones elementales colum-
na, tendramos algo como lo que sigue
AE
1
E
2
E
3
: : : E
q2
E
q1
E
q
= I
n
y as, E
1
E
2
E
3
: : : E
q2
E
q1
E
q
= A
1
. Como la inversa (si existe) es
nica, tenemos que ambas coincidirn.
Qu pasara si usamos, a la vez, operaciones la y columna en el
algoritmo de Gauss para la inversin? denotando como E
i
a las opera-
ciones la, y E
0
i
a las operaciones columna, para i N, si llegamos a la
identidad, partiendo de una matriz inversible A M
n
(K), se tendra
algo como
E
g
E
g1
: : : E
2
E
1
AE
0
1
E
0
2
: : : E
0
f
= I
n
entonces, ni (E
g
E
g1
: : : E
2
E
1
), ni
_
E
0
1
E
0
2
: : : E
0
f
_
son la inversa de A. S
es verdad que (E
g
E
g1
: : : E
2
E
1
) es la matriz inversa de B M
n
(K),
denida como
B = AE
0
1
E
0
2
: : : E
0
f
3. CLCULO DE LA INVERSA CON EL MTODO DE GAUSS 31
y
_
E
0
1
E
0
2
: : : E
0
f
_
es la inversa de C M
n
(K), quien sera
C = E
g
E
g1
: : : E
2
E
1
A
Por lo tanto, para que el algoritmo funcione, deben usarse, o bien s-
lo operaciones elementales la, o solamente operaciones elementales
columna. Nunca ambos a la vez (salvo que se sepa exactamente qu se
est haciendo paso a paso).
En lugar de hacer una demostracin matemtica de estos hechos,
objetivo muy fuera de los alcances de estos escritos, aclararemos la
situacin, por medio de un ejemplo de esto.
Ejemplo 21. Sea la matriz A M
3
(R), con A =
_
_
1 2 0
1 3 0
1 1 1
_
_
.
Hallar A
1
con el mtodo de Gauss.
Procedemos como antes
_
_
1 2 0
1 3 0
1 1 1
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
sumamos la tercera columna, a la segunda y a la primera:
_
_
1 2 0
1 3 0
0 0 1
_
_
_
_
1 0 0
0 1 0
1 1 1
_
_
luego, restamos la segunda la menos la primera:
_
_
1 2 0
0 1 0
0 0 1
_
_
_
_
1 0 0
1 1 0
1 1 1
_
_
para luego restar la primera menos la dos veces la segunda. Queda:
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
3 2 0
1 1 0
1 1 1
_
_
as, tendramos que la inversa es
_
_
3 2 0
1 1 0
1 1 1
_
_
. Pero no es as (com-
probar). La verdadera inversa es A
1
=
_
_
3 2 0
1 1 0
2 1 1
_
_
.
32 3. ELIMINACIN GAUSSIANA. INVERSAS
Qu ha pasado? lo que dijimos antes. Denotando como
E
c
=
_
_
1 0 0
0 1 0
1 1 1
_
_
a la matriz elemental de la operacin por columnas que hicimos; y
E
f
=
_
_
1 2 0
0 1 0
0 0 1
_
_
_
_
1 0 0
1 1 0
0 0 1
_
_
=
_
_
3 2 0
1 1 0
0 0 1
_
_
a la matriz elemental por las
1
. Tenemos
E
f
AE
c
= I
3
S es verdad, en cambio, que E
f
es inversa de AE
c
, denida como
AE
c
=
_
_
1 2 0
1 3 0
1 1 1
_
_
_
_
1 0 0
0 1 0
1 1 1
_
_
=
_
_
1 2 0
1 3 0
0 0 1
_
_
y anlogamente, E
c
es la inversa de E
f
A, que es
E
f
A =
_
_
3 2 0
1 1 0
0 0 1
_
_
_
_
1 2 0
1 3 0
1 1 1
_
_
=
_
_
1 0 0
0 1 0
1 1 1
_
_
Cmo llegamos a la falsa inversa
_
_
3 2 0
1 1 0
1 1 1
_
_
?
Si multiplicamos la matriz elemental las E
f
, por la matriz de
columnas E
c
, da como resultado
E
f
E
c
=
_
_
3 2 0
1 1 0
0 0 1
_
_
_
_
1 0 0
0 1 0
1 1 1
_
_
=
_
_
3 2 0
1 1 0
1 1 1
_
_
que es la inversa errnea que obtuvimos. Y la razn de que no lo sea,
es la no conmutatividad de la multiplicacin de matrices. De hecho,
1
En este ltimo caso, cambiar el orden de estas operaciones la, no da el mismo
resultado. Esto se reeja en el hecho de que
_
_
1 0 0
1 1 0
0 0 1
_
_
_
_
1 2 0
0 1 0
0 0 1
_
_
=
_
_
1 2 0
1 3 0
0 0 1
_
_
,= E
f
3. CLCULO DE LA INVERSA CON EL MTODO DE GAUSS 33
la verdadera inversa se obtiene haciendo
E
c
E
f
=
_
_
1 0 0
0 1 0
1 1 1
_
_
_
_
3 2 0
1 1 0
0 0 1
_
_
=
_
_
3 2 0
1 1 0
2 1 1
_
_
= A
1
Y esto por qu? Recordar que E
f
es inversa de AE
c
, esto es
E
f
(AE
c
) = (AE
c
) E
f
= I
n
y, una vez ms, por la asociatividad del producto matricial
A(E
c
E
f
) = I
n
as, se tiene E
c
E
f
= A
1
.
Anlogamente, se llega al mismo resultado usando que E
c
es la
inversa de E
f
A:
(E
f
A) E
c
= E
c
(E
f
A) = (E
c
E
f
) A = I
n
En conclusin: si el producto de matrices fuera conmutativo, s se po-
dran usar indistintamente operaciones por la o por columna.
Luego de ver todo esto, queda claro que el algoritmo funciona siem-
pre y cuando no quede una o ms las (o columnas) de ceros, despus
de efectuar la eliminacin gaussiana. Esto nos permite enunciar el sigu-
iente resultado.
Proposicin 2. Sea A M
n
(K). Si Rang A = n (es decir, A tiene
rango mximo), entonces el algoritmo de Gauss produce la inversa de
A.
Demostracin. Supongamos que Rang A < n. Sea A
0
el resultado
de aplicar la eliminacin gaussiana a A. Vimos que det A
0
= det A = 0.
A
0
no puede ser la inversa, pues det Id = 1.
Ntese que esta ltima proposicin completa la prueba del anterior
Teorema (1), con lo cual concluimos que el rango mximo es equivalente
a la no anulacin del determinante; y tambin a la existencia de inversa.
CAPTULO 4
Aplicaciones a los sistemas de ecuaciones lineales
Un sistema de ecuaciones lineales (s.e.l.) es un conjunto de m ecua-
ciones con n incgnitas de la forma:
_

_
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ : : : + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ : : : + a
2n
x
n
= b
2
.
.
.
a
i1
x
1
+ a
i2
x
2
+ a
i3
x
3
+ : : : + a
in
x
n
= b
i
.
.
.
a
m1
x
1
+ a
m2
x
2
+ a
m3
x
3
+ : : : + a
mn
x
n
= b
m
donde a
ij
son los coecientes, x
i
las incgnitas y b
i
son los trminos
independientes.
1. Tipos de sistemas
Los sistemas de ecuaciones se pueden clasicar segn el nmero de
soluciones que pueden presentar. De acuerdo con ese caso se pueden
presentar los siguientes casos:
1. Sistema compatible si tiene solucin, en este caso adems puede
distinguirse entre:
a) Sistema compatible determinado cuando tiene una nica
solucin.
b) Sistema compatible indeterminado cuando admite un con-
junto innito de soluciones.
2. Sistema incompatible si no tiene solucin.
Quedando as la clasicacin:
Los sistemas incompatibles geomtricamente se caracterizan por
(hiper)planos o rectas que se cruzan sin cortarse. Los sistemas compat-
ibles determinados se caracterizan por un conjunto de (hiper)planos o
rectas que se cortan en un nico punto. Los sistemas compatibles inde-
terminados se caracterizan por (hiper)planos que se cortan a lo largo
de una recta (o ms generalmente un hiperplano de dimensin menor).
Desde un punto de vista algebraico los sistemas compatibles determi-
nados se caracterizan porque el determinante de la matriz es diferente
35
36 4. APLICACIONES A LOS SISTEMAS DE ECUACIONES LINEALES
de cero:
S:C:D = det A ,= 0
2. Representacin matricial de un s.e.l.
El anterior sistema se puede expresar en forma matricial, usando el
producto de matrices de la forma:
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
a
21
a
22
a
2j
a
2n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
a
in
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mj
a
mn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
i
.
.
.
x
n
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
b
1
b
2
.
.
.
b
i
.
.
.
b
m
_
_
_
_
_
_
_
_
_
De modo simplicado suele escribirse A
m;n
X
n;1
= B
m;1
, donde la ma-
triz A de orden m n se denomina matriz de coecientes.
Tambin usaremos la matriz ampliada, que representaremos por A
0
,
que es la matriz de coecientes a la cual le hemos aadido la columna
del trmino independiente:
A
0
=
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
b
1
a
21
a
22
a
2j
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
a
in
b
i
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mj
a
mn
b
m
_
_
_
_
_
_
_
_
_
3. Discusin de un s.e.l.: Teorema de Rouch-Frbenius
Dado un sistema de ecuaciones con matriz de coecientes A, matriz
ampliada A
0
y rangos respectivos r y r
0
se verican:
1. El sistema de ecuaciones es compatible cuando rang A = rang A
0
.
2. En caso de compatibilidad existen dos posibilidades:
a) Si r = r
0
= n (n
o
de incgnitas), entonces: Sistema com-
patible determinado (una nica solucin)
b) Si r = r
0
< n (n
o
de incgnitas), entonces: Sistema com-
patible indeterminado (innitas soluciones)
Al valor n r se le llama grado de libertad del sistema.
Luego de ver algunos mtodos de resolucin de un s.e.l., veremos
cundo aparecen estos resultados.
4. RESOLUCIN DE UN S.E.L. 37
4. Resolucin de un s.e.l.
4.1. Regla de Cramer. Es aplicable si el sistema tiene igual
nmero de ecuaciones que de incgnitas (n = m) y es compatible de-
terminado (a un s.e.l. que cumple estas condiciones se le llama un
sistema de Cramer).
El valor de cada incgnita x
i
se obtiene de un cociente cuyo denom-
inador es el determinate de la matriz de coecientes, y cuyo numerador
es el determinante que se obtiene al cambiar la columna i del determi-
nante anterior por la columna de los trminos independientes.
4.1.1. Frmulas explcitas para sistemas pequeos.
Sistema de 2 ecuaciones con 2 incgnitas. Para la resolucin de un
sistema de dos ecuaciones con dos incgnitas, de la forma. Dado el
sistema de ecuaciones:
_
ax + by = e
cx + dy = f
Lo representamos en forma de matrices:
_
a b
c d
_ _
x
y
_
=
_
e
f
_
Entonces, x e y pueden ser encontradas con la regla de Cramer, con
una divisin de determinantes, de la siguiente manera:
x =

e b
f d

a b
c d

=
ed bf
ad bc
y =

a e
c f

a b
c d

=
qf ce
ad bc
(siempre que ad ,= bc).
Sistema de 3 ecuaciones con 3 incgnitas. La regla para un sistema
de tres ecuaciones con tres incgnitas es similar, con una divisin de
determinantes:
_
_
_
ax + by + cz = j
cx + dy + fz = k
gx + hy + iz = l
38 4. APLICACIONES A LOS SISTEMAS DE ECUACIONES LINEALES
que, representadas en forma de matriz da:
_
_
a b c
d e f
g h i
_
_
_
_
x
y
z
_
_
=
_
_
j
k
l
_
_
x; y; z pueden ser encontradas como sigue:
x =

j b c
k e f
l h i

a b c
d e f
g h i

; y =

a j c
d k f
g l i

a b c
d e f
g h i

; z =

a b j
d e k
g h l

a b c
d e f
g h i

(con

a b c
d e f
g h i

,= 0).
Ejemplo 22. Resolver el sistema lineal, de 6 variables con 6 ecua-
ciones:
_

_
2x
1
+ 2x
2
+ 3x
3
+ 4x
4
+ 5x
5
+ 6x
6
= 1
7x
1
+ 8x
2
+ 9x
3
+ x
4
+ 2x
5
+ 3x
6
= 2
4x
1
+ 5x
2
+ 6x
3
+ 7x
4
+ 8x
5
+ 9x
6
= 3
2x
1
+ 3x
2
+ 4x
3
+ 5x
4
+ 6x
5
+ 7x
6
= 4
8x
1
+ 9x
2
+ x
3
+ 2x
4
+ 3x
5
+ 4x
6
= 5
5x
1
+ 6x
2
+ 7x
3
+ 8x
4
+ 9x
5
+ 2x
6
= 6
lo representamos en forma de matrices
_

_
2 2 3 4 5 6
7 8 9 1 2 3
4 5 6 7 8 9
2 3 4 5 6 7
8 9 1 2 3 4
5 6 7 8 9 2
_

_
_

_
x
1
x
2
x
3
x
4
x
5
x
6
_

_
=
_

_
1
2
3
4
5
6
_

_
4. RESOLUCIN DE UN S.E.L. 39
luego
x
1
=

1 2 3 4 5 6
2 8 9 1 2 3
3 5 6 7 8 9
4 3 4 5 6 7
5 9 1 2 3 4
6 6 7 8 9 2

2 2 3 4 5 6
7 8 9 1 2 3
4 5 6 7 8 9
2 3 4 5 6 7
8 9 1 2 3 4
5 6 7 8 9 2

=
7
2
; x
2
=

2 1 3 4 5 6
7 2 9 1 2 3
4 3 6 7 8 9
2 4 4 5 6 7
8 5 1 2 3 4
5 6 7 8 9 2

2 2 3 4 5 6
7 8 9 1 2 3
4 5 6 7 8 9
2 3 4 5 6 7
8 9 1 2 3 4
5 6 7 8 9 2

=
31
9
x
3
=

2 2 1 4 5 6
7 8 2 1 2 3
4 5 3 7 8 9
2 3 4 5 6 7
8 9 5 2 3 4
5 6 6 8 9 2

2 2 3 4 5 6
7 8 9 1 2 3
4 5 6 7 8 9
2 3 4 5 6 7
8 9 1 2 3 4
5 6 7 8 9 2

=
7
18
; x
4
=

2 2 3 1 5 6
7 8 9 2 2 3
4 5 6 3 8 9
2 3 4 4 6 7
8 9 1 5 3 4
5 6 7 6 9 2

2 2 3 4 5 6
7 8 9 1 2 3
4 5 6 7 8 9
2 3 4 5 6 7
8 9 1 2 3 4
5 6 7 8 9 2

=
431
144
x
5
=

2 2 3 4 1 6
7 8 9 1 2 3
4 5 6 7 3 9
2 3 4 5 4 7
8 9 1 2 5 4
5 6 7 8 6 2

2 2 3 4 5 6
7 8 9 1 2 3
4 5 6 7 8 9
2 3 4 5 6 7
8 9 1 2 3 4
5 6 7 8 9 2

=
27
8
; x
6
=

2 2 3 4 5 1
7 8 9 1 2 2
4 5 6 7 8 3
2 3 4 5 6 4
8 9 1 2 3 5
5 6 7 8 9 6

2 2 3 4 5 6
7 8 9 1 2 3
4 5 6 7 8 9
2 3 4 5 6 7
8 9 1 2 3 4
5 6 7 8 9 2

=
7
16
4.2. Por inversin de la matriz de coecientes. Si AX = B,
entonces X = A
1
B.
40 4. APLICACIONES A LOS SISTEMAS DE ECUACIONES LINEALES
Es aplicable si el sistema tiene igual nmero de ecuaciones que de
incgnitas (n = m) y es compatible determinado.
Ejemplo 23. Resolver el sistema lineal, de 6 variables con 6 ecua-
ciones:
_

_
2x
1
+ 2x
2
+ 3x
3
+ 4x
4
+ 5x
5
+ 6x
6
= 1
7x
1
+ 8x
2
+ 9x
3
+ x
4
+ 2x
5
+ 3x
6
= 2
4x
1
+ 5x
2
+ 6x
3
+ 7x
4
+ 8x
5
+ 9x
6
= 3
2x
1
+ 3x
2
+ 4x
3
+ 5x
4
+ 6x
5
+ 7x
6
= 4
8x
1
+ 9x
2
+ x
3
+ 2x
4
+ 3x
5
+ 4x
6
= 5
5x
1
+ 6x
2
+ 7x
3
+ 8x
4
+ 9x
5
+ 2x
6
= 6
entonces, podemos tomar como matriz de coecientes A como
A =
_

_
2 2 3 4 5 6
7 8 9 1 2 3
4 5 6 7 8 9
2 3 4 5 6 7
8 9 1 2 3 4
5 6 7 8 9 2
_

_
y X =
_

_
x
1
x
2
x
3
x
4
x
5
x
6
_

_
el vector de incgnitas; y b =
_

_
1
2
3
4
5
6
_

_
el vector de solu-
ciones. Tenemos que [A[ = 1296 ,= 0, luego A tiene inversa, que es
A
1
=
1
1296
_

_
1296 0 648 1944 0 0
1296 0 432 1584 144 0
0 144 72 72 144 0
1296 288 2691 2097 144 162
1296 144 2574 1962 144 324
0 0 243 81 0 162
_

_
luego, aplicamos esta inversa por la izquierda (es muy importante
hacerlo por la izquierda) a b, y tenemos
X =
1
1296
_

_
1296 0 648 1944 0 0
1296 0 432 1584 144 0
0 144 72 72 144 0
1296 288 2691 2097 144 162
1296 144 2574 1962 144 324
0 0 243 81 0 162
_

_
_

_
1
2
3
4
5
6
_

_
4. RESOLUCIN DE UN S.E.L. 41
que es
X =
_

_
7=2
31=9
7=18
431=144
27=8
7=16
_

_
es decir, x
1
=
7
2
; x
2
=
31
9
; x
3
=
7
18
; x
4
=
431
144
; x
5
=
27
8
; x
6
=
7
16
.
4.3. Eliminacin Gaussiana. Se trata de coger la matriz au-
mentada, antes mencionada, de la matriz de coecientes ms el vector
solucin
_
_
_
_
_
_
_
_
_
a
11
a
12
a
1j
a
1n
b
1
a
21
a
22
a
2j
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
ij
a
in
b
i
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mj
a
mn
b
m
_
_
_
_
_
_
_
_
_
y aplicar el mtodo de Gauss, la eliminacin gaussiana, hasta llegar a
una forma triangular.
Ejemplo 24. Se trata de resolver el mismo sistema de los dos ejem-
plos anteriores.
_

_
2 2 3 4 5 6 1
7 8 9 1 2 3 2
4 5 6 7 8 9 3
2 3 4 5 6 7 4
8 9 1 2 3 4 5
5 6 7 8 9 2 6
_

_
y el resultado es (omitimos los clculos):
_

_
2 2 3 4 5 6 1
0 1
3
2
13
31
2
18
3
2
0 0 1 11 12 5 5
0 0 0
9
2

9
2
15
2
5
0 0 0 0 9 218 65
0 0 0 0 0 16 7
_

_
de donde vemos que x
6
=
7
16
. Ahora, multiplicando el sexto vector la
por
218
16
y suamando al quinto, es decir
218
16
_
0 0 0 0 0 16 7

+
_
0 0 0 0 9 218 65

42 4. APLICACIONES A LOS SISTEMAS DE ECUACIONES LINEALES
queda
_
0 0 0 0 9 0
243
8

y de ah, x
5
=
27
8
. Las dems incgnitas se obtienen de manera anloga.
Esta ltima tcnica ser especialmente til para ver sistemas sin
solucin, o con innitas soluciones.
5. Eliminacin Gaussiana. Sistemas no determinados
Decamos que un s.e.l. es compatible determinado si y solamente si
su matriz de coecientes tiene determinante no nulo. Dado el sistema
(expresado matricialmente)
AX = b
si det A = 0, entonces no existe A
1
. Luego no puede aplicarse el
mtodo de inversin. Tampoco la regla de Cramer. S puede en cambio
hacerse algo, si usamos el mtodo de Gauss.
Antes debemos introducir algo de teora.
5.1. Sistemas lineales homogneos. Cuando el vector de solu-
ciones b es el vector nulo, es decir, cuando se tiene un sistema de la
forma
AX = b
a dicho sistema se le llama homogneo. Cuando b ,= 0, se le dice no
homogneo.
Ejemplo 25. El sistema
_
x + y = 0
x y = 0
es homogneo.
Ejemplo 26. El sistema
_
x + y = 1
x y = 3
es no homogneo.
Ahora planteamos un resultado.
Proposicin 3. Un sistema homogneo tiene soluciones distintas
de la trivial si y solamente si el determinante de la matriz de los coe-
cientes es cero.
5. ELIMINACIN GAUSSIANA. SISTEMAS NO DETERMINADOS 43
Lo anterior quiere decir que la condicin necesaria y suciente para
que un sistema homogneo tenga soluciones distintas de la trivial es
que el rango de la matriz de los coecientes sea menor que el nmero
de incgnitas.
En el ejemplo de antes
_
x + y = 0
x y = 0
puede comprobarse fcilmente que la nica solucin posible es x = y =
0.
Veamos un ejemplo.
Ejemplo 27. Sea el sistema homogneo
_
_
_
x + y + z = 0
x y + z = 0
x + 3y z = 0
la matriz de coecientes es
_
_
1 1 1
1 1 1
1 3 1
_
_
que tiene determinante distinto de cero. La matriz aumentada del sis-
tema, tiene forma reducida de Gauss
_
_
1 1 1 0
0 2 0 0
0 0 2 0
_
_
lo cual implica x = y = z = 0. Tiene solucin nica.
Estos casos no son demasiado interesantes en este contexto. Veamos
otro caso.
Ejemplo 28. Sea el sistema homogneo
_
_
_
x + y + z = 0
x y + z = 0
x + 3y + z = 0
La matriz
_
_
1 1 1
1 1 1
1 3 1
_
_
44 4. APLICACIONES A LOS SISTEMAS DE ECUACIONES LINEALES
s tiene determinante cero. Aplicando la eliminacin gaussiana, ten-
emos
_
_
1 1 1 0
0 2 0 0
0 0 0 0
_
_
Ntese que para un sistema no homogneo (b = 0), elsistema sera
incompatible. Resulta que 2y = 0 (luego y = 0), y no tiene solucin
nica. La solucin es
_
x + z = 0
y = 0
que no es otra cosa que una recta en R
3
.
Ejemplo 29. Resolver el siguiente sistema homogneo
_

_
7x y z + 9t = 0
7x + 2y + 8z 6t = 0
7x 14y 44z + 66t = 0
133x + 5y + 53z + 51t = 0
El sistema puede representarse de manera matricial AX = O, con
A =
_

_
7 1 1 9
7 2 8 6
7 14 44 66
133 5 53 51
_

_
X =
_

_
x
y
z
t
_

_
y O, el vector columna nulo
_

_
0
0
0
0
_

_
. Planteando la matriz ampliada
_

_
7 1 1 9 0
7 2 8 6 0
7 14 44 66 0
133 5 53 51 0
_

_
y aplicndole la eliminacin gaussiana, vemos que tiene rango dos:
_

_
7 1 1 9 0
0 3 9 15 0
0 0 0 0 0
0 0 0 0 0
_

_
5. ELIMINACIN GAUSSIANA. SISTEMAS NO DETERMINADOS 45
es decir, el sistema es equivalente a:
_
15t 3y 9z = 0
9t 7x y z = 0
que es lo mismo que decir
y =
9z 15t
3
= 5t 3z
x =
9z15t
3
+ z 9t
7
=
4
7
t +
2
7
z
por lo tanto, hemos despejado el vector incgnita:
X =
_

_
4
7
t +
2
7
z
5t 3z
z
t
_

_
que puede representarse como
_

_
2
7
z
3z
z
0
_

_
+
_

_
4
7
t
5t
0
t
_

_
o lo que es lo mismo
z
_

_
2
7
3
1
0
_

_
+ t
_

_
4
7
5
0
1
_

_
con z; t R. A la solucin trivial (que da el sistema AO = O) se
le llama solucin homognea. A cualquier otra solucin, se le llama
solucin particular.
Nota 4. En lgebra Lineal, se dice que el conjunto de soluciones
de un sistema homogneo forma un espacio vectorial. En concreto, el
de este ltimo ejemplo es un subespacio de dimensin dos. Geomtrica-
mente, esta solucin se interpreta como un plano, dentro de un espacio
de cuatro dimensiones.