Matrices, Determinantes y Sistemas de Ecuaciones Lineales: Tema 2

Tema 2
Matrices, determinantes y sistemas de ecuaciones

lineales
El objetivo final de este tema es aprender a discutir y resolver sistemas de ecuaciones lineales (con
coeficientes en el cuerpo de los numeros reales R). Estos pueden ser planteados por infinidad de proble-
mas, sencillos o no. Sin ir mas lejos, un simple ajuste de datos, problema que ocurre con gran frecuencia
en las ciencias experimentales, puede originar un sistema lineal con decenas de ecuaciones. Este pro-
blema puede llegar a ser de gran dificultad si no contamos con las herramientas adecuadas para tratarlo.
Estas son las matrices y los determinantes. Matrices y determinantes son objetos matematicos que tienen
gran utilidad en muchas areas de matematicas y en otras areas del saber.
El tema esta formado por tres secciones. En la primera de ellas introducimos el concepto de matriz,
exponemos los diferentes tipos de matrices existentes (segun su tamano, aspecto, elementos,...,etc) y ex-
plicamos las operaciones elementales que pueden realizarse con matrices. Por ultimo, tratamos con el
concepto de rango de una matriz, el cual sera fundamental a la hora de discutir con exito sistemas de
ecuaciones lineales. En la segunda seccion estudiamos los determinantes y su relacion con el calculo del
rango de una matriz y de matrices inversas. Finalmente, en la tercera seccion nos metemos de lleno en la
resolucion de sistemas de ecuaciones lineales, usando los dos metodos principales: el de Gauss y el de
Cramer.
Antes de todo eso, veamos un problema de motivacion que nos proporcionara un primer contacto
con un sistema de ecuaciones lineales.
EJEMPLO de motivacion
El aire puro esta compuesto esencialmente por un 78 por ciento de nitrogeno, un 21 por ciento de
oxgeno y un 1 por ciento de argon. Para poder realizar un experimento en el planeta Marte se dispone de
una capsula que queremos llenar con 1000 litros de aire puro para los astronautas. Para ello, la capsula se
encuentra alimentada por tres tanques llenos de nitrogeno, oxgeno y argon en la siguiente proporcion:
T1. 50 por ciento de nitrogeno y 50 por ciento de oxgeno.

T2. 80 por ciento de nitrogeno y 20 por ciento de oxgeno.
T3. 60 por ciento de nitrogeno, 30 por ciento de oxgeno y 10 por ciento de argon.
Nos proponemos calcular la cantidad de litros necesaria de cada tanque para que la mezcla resultante
produzca la cantidad buscada de 1000 litros de aire puro dentro de la capsula.
27
28 2.1. Matrices
Para resolver este problema comencemos llamando x a la cantidad de litros necesaria de T1, y a la
cantidad necesaria de T2 y z a la cantidad necesaria de T3. Segun la composicion de los tanques, la
cantidad total de cada gas que tenemos en la mezcla es:
0,5 x + 0,8 y + 0,6 z de nitrogeno,

0,5 x + 0,2 y + 0,3 z de oxgeno,
0,1 z de argon.
Por otro lado, las cantidades totales de estos gases que queremos obtener son las correspondientes a 1000
litros de aire puro, es decir, 780 litros de nitrogeno, 210 litros de oxgeno y 10 litros de argon. Por tanto,
las cantidades buscadas x, y, z satisfacen las tres siguientes igualdades:

0,5 x + 0,8 y + 0,6 z = 780
0,5 x + 0,2 y + 0,3 z = 210 .
0,1 z = 10

El conjunto de ecuaciones anterior es un caso particular de los llamados sistemas de ecuaciones

lineales, que estudiaremos a lo largo de este tema. La solucion de nuestro problema coincide con la
solucion del sistema anterior. En este caso es facil de calcular y resulta ser x = 0, y = 900, z = 100. En
definitiva, para producir 1000 litros de aire puro debemos llenar la capsula con 900 litros del tanque 2 y
100 litros del tanque 3.
Nuestro objetivo principal en este tema consiste en estudiar sistemas de ecuaciones lineales, de acuer-
do con la siguiente definicion:
Definicion 19 (Sistema de ecuaciones lineales)

Por un sistema de ecuaciones lineales entendemos un conjunto de ecuaciones del tipo

a11 x1 + . . . + a1m xm = b1
... ... ,
an1 x1 + . . . + anm xm = bn

donde n y m son numeros naturales y ai j es un numero real para cada i = 1, . . . , n, j = 1, . . . , m.

Una solucion para este sistema vendra formada por un valor real para cada incognita xi de manera
que se verifiquen a la vez todas las igualdades.
Nuestra intencion es estudiar dichas soluciones. Para ello, tendremos que trabajar con los coeficientes
ai j y bk . Como veremos, sera util escribirlos de la forma:

a11 . . . a1m b1
A = ... .. , b = .. .

. .
an1 . . . anm bn
Este tipo de expresiones se llaman matrices, y seran nuestro proximo objeto de estudio.
2.1 Matrices
Aunque nuestra motivacion para estudiar las matrices es su utilidad para la resolucion de sistemas
de ecuaciones lineales, diremos que las matrices aparecen de forma natural en Geometra, Estadstica,
Economa, Informatica, Fsica,...,etc.
Tema 2 29
2.1.1 Definiciones y ejemplos

Comencemos introduciendo el concepto de matriz y las primeras definiciones relacionadas con el.
Nos vamos a centrar en el estudio de matrices cuyos elementos son numeros reales.
Definicion 20 (Matriz)
Una matriz es un conjunto de numeros reales dispuestos en forma de rectangulo, que usualmente se
delimitan por medio de parentesis.
Si una matriz tiene n filas y m columnas, se dice que es una matriz de orden n m. Notese que una
tal matriz tiene n m elementos.
El elemento (o componente) (i, j) de una matriz A es elnumero ai j que se encuentra en la fila i y en
la columna j.
Para que dos matrices A y B sean iguales tienen que ocurrir dos cosas: que ambas tengan el mismo
numero de filas y el mismo numero de columnas, es decir, que tengan el mismo orden, y ademas
que todos sus elementos (i, j) sean iguales, es decir, ai j = bi j para cualesquiera i, j.
Observacion 8
Al decir que una matriz tiene forma de rectangulo, nos referimos a que todas las filas tienen el mismo
numero de elementos, y lo mismo ocurre con las columnas. En cambio una fila y una columna de una
matriz pueden tener distinto numero de elementos.
A pesar de que la definicion de matriz que acabamos de presentar puede resultar en un primer mo-
mento algo extrana, se entiende rapidamente viendo algunos ejemplos.
EJEMPLOS
Ejemplo 1 : La matriz
1 9 6
A=
0 1 4
es de orden 2 3, ya que tiene 2 filas y 3 columnas (en consecuencia, tiene 2 3 = 6
elementos) y su elemento (1, 2) es el que esta situado en la primera fila y en la segunda
columna, es decir a12 = 9.
1 9 6 4
B= 0 1 4 3
1 2 1 2
es de orden 3 4, y su elemento (3, 2) es b32 = 2.
El primer tipo de matrices que queremos resaltar es el de las formadas por una sola fila o una sola
columna:
Definicion 21 (Matrices fila y columna)
Una matriz que este formada por una sola columna, se llama vector columna. Analogamente, una
matriz formada por una unica fila se llama vector fila.
En particular, toda matriz puede verse como un conjunto de vectores fila todos de igual longitud, o
como un conjunto de vectores columna de igual longitud.
30 2.1. Matrices
EJEMPLO
Las matrices
1
7 y 2 0
4
son, respectivamente, un vector columna (es una matriz de orden 3 1) y un vector fila (es de orden
1 3).
Una operacion elemental que se puede aplicar a una matriz consiste en intercambiar filas por colum-
nas, esto es lo que se conoce como calcular su matriz traspuesta:
Definicion 22 (Matriz traspuesta)
Si A es una matriz n m, se define su matriz traspuesta, y se representa por At , como la matriz m n
cuyas filas son las columnas de A, es decir, el elemento (i, j) de la matriz At es el elemento ( j, i) de
la matriz A, para cualesquiera i, y j.
EJEMPLO
En el ejemplo anterior, la matriz traspuesta de

1 0
1 9 6
A= es At = 9 1 .
0 1 4
6 4
Notese que al ser A de orden 2 3, At es de orden 3 2.
Son de especial interes aquellas matrices que tienen una relacion agradable con su matriz traspuesta.
Este es el caso de los siguientes tipos de matrices:
Definicion 23 (Matriz simetrica y antisimetrica)

1. Una matriz se dice que es simetrica si es igual a su traspuesta. Para ello, obviamente, de-
bera tener el mismo numero de filas que de columnas.
2. Una matriz se dice que es antisimetrica si es igual a la matriz que resulta de cambiar de signo
todos los elementos de su matriz traspuesta. Notese que para que una matriz sea antisimetrica
sus elementos del tipo (i, i) deben ser todos 0. Ademas, para que una matriz sea antisimetrica
tambien debe ocurrir que tenga el mismo numero de filas que de columnas.
EJEMPLO
Las matrices
2 0 1 0 1 2
0 3 , y 1 0
1 5 2 0
son simetrica y antisimetrica, respectivamente, mientras que

2 0 1 2 2 2 1
0 3 1 y 0 3
1 5 8 1 5
Tema 2 31
no responden a ninguno de los dos tipos.
Finalmente, destacamos varios tipos de matrices que son interesantes por su orden y por ser cero
algunos de sus elementos. Estas matrices juegan un papel fundamental en los metodos para la resolucion
de sistemas de ecuaciones lineales que estudiaremos en la tercera seccion de este tema.
Definicion 24 (Matrices cuadradas, diagonales y triangulares)

Una matriz cuadrada es aquella que tiene igual numero de filas que de columnas. En este caso, se
llama diagonal principal a la diagonal formada por todos los elementos del tipo (i, i).
1. Una matriz cuadrada se dice diagonal si todos los elementos fuera de la diagonal principal
son iguales a cero.
2. Una matriz cuadrada se dice triangular superior si todos los elementos por debajo de la dia-
gonal principal son iguales a cero.
3. Una matriz cuadrada se dice triangular inferior si todos los elementos por encima de la dia-
gonal principal son iguales a cero.
Como veremos en la proxima seccion del tema, las matrices cuadradas tienen dos peculiaridades que
las hacen de mayor importancia: tienen determinante y, algunas de ellas, matriz inversa.
EJEMPLO
De las matrices:

2 0 0 1 2 3
1 0
A= 3 1 0 , B= , C= 0 7 0
0 4
6 4 7 0 0 1
todas son cuadradas, A es triangular inferior, B es diagonal y C triangular superior. Los elementos de la
diagonal principal de A vienen subrayados.
Observacion 9
Notese que toda matriz diagonal es simetrica pero no al contrario.
2.1.2 Operaciones con matrices

Suma de matrices
La primera operacion que se nos plantea hacer con dos matrices es sumarlas. Veamos cuando esto es
posible y, en tal caso, como se hace.
Definicion 25 (Matriz suma)

Si A y B son matrices n m, se define la matriz A + B como una matriz tambien n m cuyas
componentes se obtienen sumando las componentes (i, j) de A y B. Es decir, si llamamos C = A +B,
entonces ci j = ai j + bi j .
32 2.1. Matrices
EJEMPLOS
Ejemplo 1 : En el ejemplo anterior, la suma de A y C es

3 2 3
A +C = 3 8 0 .
6 4 8

1 9 6 1 3 5 0 12 1
Ejemplo 2 : + = .
0 1 4 0 1 0 1+ 3
Ejemplo 3 : Las matrices

3 2 3
3 8 1 9 6
0 y
0 1 4
6 4 8
no pueden sumarse puesto que no son del mismo orden.
Observacion 10
Es importante observar que para que dos matrices se puedan sumar tienen que ser del mismo orden.
En el caso en que se pueda realizar la operacion, la suma de matrices verifica las siguientes propie-
dades, donde A, B y C son matrices:
Propiedades
(I) Asociativa: A + (B +C) = (A + B) +C.
(II) Elemento neutro: Es aquella matriz n m cuyas componentes son todas cero. Se denomina
matriz 0, y verifica que A + 0 = 0 + A = A para toda matriz A de orden n m.
(III) Elemento opuesto: Dada A una matriz, su matriz opuesta A se define como aquella cuyas
componentes son iguales a las de A, pero cambiadas de signo. Se verifica entonces de forma
clara que A + (A) = (A) + A = 0.
(IV) Conmutativa de la suma: A + B = B + A.
Producto por numeros

Ahora que ya sabemos sumar matrices es natural preguntarnos si es posible multiplicar una matriz
por un numero real. La respuesta es que dicha operacion puede realizarse siempre y se hace de acuerdo
con la siguiente definicion.
Definicion 26 (Producto de un numero y una matriz)

Dada A una matriz y un numero real, se define el producto A como una matriz, con el mismo
numero de filas y columnas que A, y obtenida multiplicando por cada componente. Es decir, si
C = A, entonces ci j = ai j .
Tema 2 33
EJEMPLO

1 9 6 2 18 12
2 = .
0 1 4 0 2 4
A continuacion mostramos una lista de propiedades que son satisfechas por el producto de matrices
por numeros, donde A y B son matrices y y son numeros reales:
Propiedades
(I) Distributivas:
a) (A + B) = A + B.
b) ( + )A = A + A.
(II) Pseudoasociativa: ( )A = (A).
(III) Modular: 1A = A.
Producto de matrices
La siguiente operacion que se nos plantea es la de multiplicar dos matrices entre s. A continuacion
estudiaremos cuando es posible multiplicar una matriz por otra y como hacerlo en caso de que se pueda.
La definicion del producto de matrices es mas complicada y menos intuitiva. Primero aprenderemos
a multiplicar un vector fila con un vector columna cuando ambos tienen el mismo numero de elementos.
Definicion 27 (Producto de un vector fila y un vector columna)

Sea A una matriz de orden 1 m y B una matriz de orden m 1. Definimos el producto de A y B
(en ese orden) como el numero real siguiente:
AB = a1 b1 + + am bm ,
donde hemos llamado ai a los elementos de A y bi a los de B.
EJEMPLO

1
1 9 6 1/3 = (1) (1) + 9 1/3 + 6 (2) = 8.
2
Observacion 11
Para poder multiplicar un vector fila por un vector columna, estos deben tener el mismo numero de
elementos.
Pasemos ahora al caso general. A continuacion mostramos cuando dos matrices se pueden multiplicar
y usamos el ya conocido producto de una matriz fila por una matriz columna para definir el producto de
matrices.
34 2.1. Matrices
Definicion 28 (Producto de dos matrices)

Sea A una matriz n m y B una matriz m k. Se define el producto AB como una matriz C, que
tendra orden nk, y cuya componente ci j se obtiene al multiplicar la i-esima fila de A por la j-esima
columna de B, es decir:
ci j = ai1 b1 j + ai2 b2 j + + aim bm j .
Dada una matriz cuadrada A y un numero natural n, se denota por An al producto de la matriz A
consigo misma n veces.
Observacion 12
Para que una matriz A se pueda multiplicar por otra matriz B (en ese orden), A debe tener tantas columnas
como filas tiene B. Ademas, en tal caso, la matriz AB tiene tantas filas como A y tantas columnas como
B. Es posible que A se pueda multiplicar por B pero B no pueda multiplicarse por A.
EJEMPLO
La matriz 2 3
1 9 6
A=
0 1 4
no se puede multiplicar por la matriz 4 2

1 3
1
B=
2
,
0
1 1
pero B si puede multiplicarse por A. Ademas BA es la matriz 4 3

1 6 6
1 9 + 6 + 4
BA = 2
.
18 12
1 10 10
Por ejemplo, el elemento (1,2) de la matriz BA lo hemos obtenido haciendo el calculo siguiente:
b11 a12 + b12 a22 = 1 9 + (3) 1 = 6.
La siguiente definicion alude a un tipo muy particular de matrices que son muy importantes ya que
juegan el papel de elemento neutro para el producto de matrices.
Definicion 29 (Matriz identidad)

Para cualquier numero natural n, se define la matriz identidad de orden n, que representamos por
In , como la matriz n n diagonal cuya diagonal principal esta formada por unos. A veces se escri-
bira simplemente I.
EJEMPLO
La matriz identidad de orden 3 es

1 0 0
I3 = 0 1 0 .
0 0 1
Tema 2 35
Enunciamos ahora las propiedades basicas para el producto de matrices, siendo A, B y C matrices de
ordenes convenientes para que se pueda realizar la operacion en cada caso:
Propiedades
(I) Asociativa (AB)C = A(BC).
(II) Elemento neutro: Si A es una matriz n m, entonces AIm = A, In A = A.
(III) Distributivas: A(B +C) = AB + AC; (A + B)C = AC + BC.
Observacion 13
En el producto de matrices hay un par de propiedades a las que estamos acostumbrados con los numeros
que no se cumplen. La primera de ellas es la propiedad conmutativa. De hecho, como ya hemos comen-
tado anteriormente, puede ocurrir que dos matrices A y B se puedan multiplicar as, AB, pero no de la
forma BA. Mas aun, incluso en los casos en que se puedan multiplicar por ambos lados, el resultado
puede ser distinto: AB 6= BA.
Del mismo modo no es cierto que si el producto de dos matrices es la matriz cero, entonces alguna
de las dos sea la matriz cero.
2.1.3 Transformaciones elementales. Rango de una matriz

Cuanto mas sencilla sea la estructura de una matriz mas facil va a ser el estudio de determinadas
propiedades de dicha matriz. La idea que se persigue con las transformaciones elementales es convertir
una matriz concreta en otra matriz mas facil de estudiar. En concreto, siempre sera posible conseguir una
matriz escalonada, en el sentido que definimos a continuacion.
Definicion 30 (Matriz escalonada)
Sea A una matriz y F una fila de A. Diremos que F es nula si todos los numeros de F coinciden con
el cero. Si F es no nula, llamamos pivote de F al primer numero distinto de cero de F contando de
izquierda a derecha.
Una matriz escalonada es aquella que verifica las siguientes propiedades:
1. Todas las filas nulas (en caso de existir alguna) se encuentran en la parte inferior de la matriz.
2. El pivote de cada fila no nula se encuentra estrictamente mas a la derecha que el pivote de la
fila de encima.
EJEMPLO
Entre las matrices:

1 0 0 1 0 3
1 4 3
A= 0 1 0 , B= y C= 0 1 4 ,
0 1 8
0 1 7 0 0 0
A no es escalonada, mientras que B y C s lo son.
Un concepto que sera fundamental a la hora de resolver sistemas de ecuaciones lineales es saber
calcular el rango de una matriz. Esto es particularmente sencillo en el caso de matrices escalonadas y lo
haremos atendiendo a la siguiente definicion.
Definicion 31 (Rango de una matriz escalonada)
Dada una matriz escalonada E se define el rango de E, que representamos por rg(E), como el
numero de filas no nulas de E.
36 2.1. Matrices
Observacion 14
El rango de una matriz es un numero natural o cero.
EJEMPLOS
Ejemplo 1 : En los ejemplos B y C de arriba se tiene rg(B) = rg(C) = 2, sin embargo no podemos decir
que rg(A) = 3 ya que A no esta escalonada.
Ejemplo 2 : Las matrices nulas tienen rango cero y la matriz identidad de orden n cumple rg(In ) = n.
La siguiente cuestion que abordaremos es la definicion de rango para una matriz cualquiera que no
este escalonada. La idea sera la de transformar la matriz dada en otra que sea escalonada mediante las
llamadas transformaciones elementales por filas que describimos a continuacion.
Definicion 32 (Transformaciones elementales por filas de una matriz)

Dada una matriz A cualquiera, las transformaciones elementales por filas de A son tres:
1. Intercambiar la posicion de dos filas.
2. Multiplicar una fila por un numero real distinto de cero.
3. Sustituir una fila por el resultado de sumarle a dicha fila otra fila que ha sido previamente
multiplicada por un numero cualquiera.
Analogamente podramos hacerlo todo por columnas; sin embargo, son las transformaciones por filas
las que son importantes en los sistemas de ecuaciones lineales que estudiaremos despues.
El siguiente resultado nos garantiza que siempre podemos transformar una matriz cualquiera en otra
escalonada. Este hecho nos guiara a la definicion del rango de una matriz en general.
Teorema
A partir de cualquier matriz A se puede llegar, mediante una cantidad finita de transformaciones
elementales, a una matriz escalonada E.
Veamos en un ejemplo como se hace.
EJEMPLO
Transformemos la matriz
6 2 3 1
1 0 1 0
1 1 0 2
en una escalonada. Observese que, primero, hacemos que la componente (1, 1) de la matriz de partida
sea igual a uno. Luego, se hace que el resto de componentes de la primera columna sean cero. Despues
se pasa a la componente (2, 2), y as sucesivamente:

6 2 3 1 1 1 0 2

1 0 1 0 1 0 1 0 .
F1 F3
1 1 0 2 6 2 3 1
Tema 2 37
Lo primero que hemos hecho ha sido intercambiar la primera y la tercera fila. A continuacion susti-
tuimos la segunda fila por ella misma menos la primera, y luego sustituimos la tercera por ella mas 6 por
la primera. Se tiene lo siguiente:

1 1 0 2 1 1 0 2

0 1 1 2 0 1 1 2 .
F20 =F2 F1 F30 =F3 +6F1
6 2 3 1 0 4 3 13
Finalmente cambiamos la tercera fila por ella mas 4 veces la segunda, y luego la cambiamos de signo.

1 1 0 2 1 1 0 2

0 1 1 2 0 1 1 2 .
F30 =F3 +4F2 F30 =F3
0 0 1 5 0 0 1 5
Como anticipamos, el teorema anterior nos permite hacer una definicion importante:
Definicion 33 (Rango de una matriz)
Dada una matriz A cualquiera se define el rango de A y lo denotamos rg(A) como el rango de
cualquier matriz escalonada E equivalente con A (se demuestra que este numero no depende de la
matriz escalonada E a la que se llegue).
Observacion 15
El rango de una matriz siempre es un numero menor o igual que su numero de filas y su numero de
columnas. Ademas, la unica matriz que tiene rango cero es la matriz nula.
EJEMPLO
Siguiendo con el ejemplo anterior, el rango de la matriz

6 2 3 1
1 0 1 0
1 1 0 2
es 3, ya que es equivalente por transformaciones elementales por filas a la matriz escalonada de rango 3

1 1 0 2
0 1 1 2 .
0 0 1 5
Como calcular el rango de una matriz

Para calcular el rango de una matriz cualquiera A se realizan transformaciones elementales por
filas de A hasta obtener una matriz escalonada E. El rango de A coincide con el numero de filas no
nulas de E.
EJEMPLO
Calculemos el rango de la matriz

6 2 3 1
5 1 3 3 .
1 1 0 2
38 2.2. Determinantes
Para ello haremos transformaciones elementales por filas en la matriz hasta convertirla en una esca-
lonada. Observese que, primero, hacemos que la componente (1, 1) de la matriz inicial sea igual a uno.
Luego, se hace que el resto de componentes de la primera columna sean cero. Despues pasamos a la
segunda fila, y as sucesivamente:

6 2 3 1 1 1 0 2
5
1 3 3 5 1 3 3 .
F1 F3
1 1 0 2 6 2 3 1
Lo primero que hemos hecho ha sido intercambiar la primera y la tercera fila. A continuacion susti-
tuimos la segunda fila por ella misma mas la primera multiplicada por 5, y luego sustituimos la tercera
por ella mas 6 por la primera.

1 1 0 2 1 1 0 2
0 4 3 13 0 4 3 13 .
0
F2 =F2 +5F1 0
F3 =F3 +6F1
6 2 3 1 0 4 3 13
El siguiente paso es hacer 1 el elemento (2, 2), para ello dividimos la segunda ecuacion por 4.
Finalmente cambiamos la tercera fila por ella mas 4 veces la segunda, con lo que obtenemos

1 1 0 2 1 1 0 2

0 1 3/4 13/4 0 1 3/4 13/4 ,
F20 = 14 F2 F30 =F3 +4F2
0 4 3 13 0 0 0 0
que es una matriz escalonada, equivalente a la matriz inicial del problema y de rango dos. De este modo
concluimos que el rango de la matriz de inicio es 2.
EJEMPLO
Haciendo transformaciones elementales de la matriz

1 2 3 1
2 4 3 1
A=
3 6 6 2
1 2 0 0
llegamos a que es equivalente a la matriz escalonada

1 2 3 1
0 0 3 1
B= 0 0
,
0 0
0 0 0 0
que tiene rango dos. En consecuencia el rango de la matriz A es rg(A) = 2.
2.2 Determinantes
Una de las operaciones mas importantes asociadas a las matrices es el determinante. Es importante
porque, entre otras cosas, nos permite saber si la matriz es o no invertible (vease la definicion 38) y
permite calcular las soluciones de algunos sistemas de ecuaciones lineales, como veremos mas adelante.
Tema 2 39
2.2.1 Definiciones y propiedades

El determinante de una matriz cuadrada es un numero real cuya definicion exacta es bastante com-
plicada. Por ello, definiremos primero el determinante de matrices pequenas, y estudiaremos metodos y
tecnicas para calcular determinantes en general. Esta no es la definicion mas elegante desde el punto de
vista matematico, pero s la mas operativa. La definicion que damos es recursiva y nos permitira calcular
el determinante de una matriz cuadrada de orden n a partir de determinantes de matrices cuadradas de
orden n 1.
Observacion 16
Solamente se puede calcular el determinante a matrices cuadradas.
En cuanto a la notacion, a veces el determinante se escribe con la palabra det, y otras veces se indica
sustituyendo los parentesis de la matriz por barras verticales.
Como decamos, empezaremos calculando el determinante de matrices pequenas.
Definicion 34 (Determinantes de ordenes uno, dos y tres)

1. El determinante de una matriz 1 1 es: det(a) = a.
2. El determinante de una matriz 2 2 es:

a11 a12
= a11 a22 a12 a21 .
a21 a22
3. El determinante de una matriz 3 3 es:

a11 a12 a13

a21 a22 a23 = a11 a22 a33 + a21 a32 a13 + a12 a23 a31 a13 a22 a31 a23 a32 a11 a12 a21 a33 .

a31 a32 a33
La formula anterior se conoce como Regla de Sarrus.
Observacion 17
El determinante de una matriz (cuadrada) es un numero real.
EJEMPLOS

2 1
Ejemplo 1 : = 2 3 (5) 1 = 11.
5 3

3 1 0

Ejemplo 2 : 7 6 2 = 3 6 0 + 7 (1) 0 + (1) 2 (1) (1) 6 0 2 (1) 3
1 1 0
(1) 7 0 = 8.
Veamos ahora como calcular el determinante de una matriz cuadrada cualquiera. Para ello, necesita-
mos antes el concepto de menor adjunto de una matriz.
Definicion 35 (Menor adjunto de una matriz)

Sea A = (ai j ) una matriz cuadrada. Dado un par de ndices (i, j) representamos por Ai j a la matriz
que resulta al eliminar la i-esima fila y la j-esima columna de A. El menor adjunto i j de A es el
numero real dado por:
i j = (1)i+ j |Ai j |.
El signo (1)i+ j en la definicion anterior se suele recordar mediante la regla:

+ + ...

+ + ...

+ + ...
.
+ + ...

. . . .
.. .. .. ..

EJEMPLO
Para la matriz
6 2 3 1
1 0 1 0
A=
1 1
,
0 2
0 1 0 1
se cumple que A23 es la matriz
6 2 1
A23 = 1 1 2 ,
0 1 1
luego, el menor adjunto 23 de la matriz A es

6 2 1
23 = (1)2+3 |A23 | = 1 1

2 = (1) 9 = 9.

0 1 1
Definicion 36 (Determinante de una matriz cuadrada)

Sea A = (ai j ) una matriz cuadrada de orden n. Entonces su determinante se puede calcular mediante
el desarrollo de Laplace por una fila cualquiera (o columna), de la siguiente forma:
1. Si elegimos la i-esima fila, |A| = ai1 i1 + . . . + ain in .
2. Si elegimos la j-esima columna, |A| = a1 j 1 j + . . . + an j n j .
EJEMPLO
Un modo de calcular el determinante de la matriz A del ejemplo anterior es hacer el desarrollo de

Laplace por la cuarta fila, del siguiente modo:
|A| = a41 41 + a42 42 + a43 43 + a44 44

6 3 1 6 2 3

= 0 + 1 (1) 1 1 0 + 0 + (1) 1 1 0 1 = 6.
1 0 2 1 1 0
Hemos elegido la cuarta fila porque es la que tiene mayor numero de ceros. As, al ser a41 = a43 = 0
los sumandos correspondientes en el desarrollo de Laplace son cero y, por tanto, no tenemos que calcular
41 y 43 , simplificandose de este modo el problema.
Tema 2 41
Observacion 18
Notese que para hacer el desarrollo del determinante por una fila o por una columna, es interesante elegir
aquella fila o columna que tenga mas ceros, ya que eso nos permitira ahorrarnos calculos. En cualquier
caso, el calculo del determinante usando el desarrollo de Laplace es practico solo cuando trabajamos con
matrices de tamano pequeno. Cuando el orden de la matrices crece, el numero de operaciones necesarias
para calcular su determinante crece rapidamente y el calculo resulta impracticable.
A continuacion, recogemos algunas de las propiedades mas importantes de los determinantes. Supo-
nemos que A es una matriz cuadrada y que es un numero real.
Propiedades
(I) Si B se obtiene al intercambiar dos filas de A, entonces |B| = |A|.
(II) Si B se obtiene al multiplicar una unica fila de A por , entonces |B| = |A|.
(III) Si B se obtiene al sustituir una fila por el resultado de sumarle a dicha fila otra fila que ha sido
previamente multiplicada por un numero cualquiera, entonces |B| = |A|.
(IV) Si A tiene una fila de ceros entonces |A| = 0.
(V) Si dos filas de A son iguales o proporcionales entonces |A| = 0.
(VI) Si A es triangular (superior o inferior), entonces |A| se puede calcular como el producto de
los numeros de la diagonal principal.
(VII) El determinante de una matriz cuadrada coincide con el de su traspuesta, es decir, |A| = |At |.
(VIII) El determinante del producto de dos matrices coincide con el producto de los determinantes,
es decir, |AB| = |A| |B|.
Puesto que |A| = |At | deducimos que todas las propiedades anteriores se verifican igualmente si en
lugar de filas hablamos de columnas.
EJEMPLOS
Ejemplo 1 : El determinante de la matriz nula es cero.
Ejemplo 2 : El determinante de la matriz identidad es uno.
Para calcular ejemplos mas complicados de orden mayor o igual que 4 necesitamos usar las propie-
dades de los determinantes. Concretamente, las tres primeras propiedades reflejan el comportamiento
de los determinantes frente a transformaciones elementales y nos permiten calcular un determinante pa-
sando de la matriz dada a otra que sea mas facil mediante transformaciones elementales (por filas o por
columnas). En general, resultara interesante conseguir una fila o columna en que casi todos los elementos
sean cero, y desarrollar por esa fila o columna para reducir el determinante a otro de menor orden.
EJEMPLO

1 0 1 2 1 0 1 2
F30 =F3 +F1

0 1 2 3 0 1 2 3
= .
1 2 3 4 0 2 4 6
F40 =F2 +2F1

2 3 4 0 0 3 6 4
Observamos que la tercera fila es igual al doble de la segunda. Concluimos que el determinante anterior
es cero al tener dos filas proporcionales.
2.2.2 Rango de una matriz y determinantes

Aprenderemos ahora una nueva forma de calcular el rango de una matriz mediante el uso de los
determinantes.
Definicion 37 (Submatriz)
Si A es cualquier matriz, entonces una submatriz de A es cualquier matriz S obtenida al eliminar de
A algunas de sus filas y columnas.
EJEMPLOS
Ejemplo 1 : La matriz Ai j obtenida al suprimir la i-esima fila y la j-esima columna es una submatriz de
A.
6 1
1 2
es una submatriz de
6 2 3 1
1 0 1 0 .
1 1 0 2
Notese que aunque A no sea cuadrada contiene gran cantidad de submatrices que s lo son y a las que
tiene por tanto sentido calcularles su determinante. Este hecho enlaza con el siguiente resultado que nos
muestra un modo alternativo de calcular el rango de una matriz.
Teorema
El rango de una matriz cualquiera A coincide con el orden mas grande que tengan las submatrices
cuadradas de A con determinante no nulo.
Concretamente, el resultado anterior nos dice que rg(A) = k si y solo si:
1. Existe S submatriz cuadrada de A de orden k con |S| 6= 0,
2. Si S0 es cualquier submatriz cuadrada de A de orden mayor que k, entonces |S0 | = 0.
As, cuando queramos calcular el rango de una matriz cualquiera, una opcion sera aplicar el resultado
anterior de la siguiente manera.
Calculo del rango de una matriz mediante determinantes

Sea A una matriz de orden n m. Por una propiedad conocida sabemos que rg(A) min{n, m}, lo
que nos proporciona una estimacion de lo grande que puede ser el rango de A. Supongamos que
n = min{n, m}. Para ver si el rango de A es n buscamos submatrices cuadradas de A de orden n
y que tengan determinante no nulo. Si encontramos alguna entonces rg(A) = n. De lo contrario
rg(A) n 1. Para ver si el rango de A es n 1 buscamos submatrices cuadradas de A de orden
n 1 y que tengan determinante no nulo. Si encontramos alguna entonces rg(A) = n 1. De lo
contrario rg(A) n 2. As seguiramos hasta calcular el rango de A.
Tema 2 43
Observacion 19
Esta forma de calcular el rango sera especialmente util para matrices con parametros.
EJEMPLO

2 2 0 1
A= 1 0 3 1 .
1 2 3 0
Primero observamos que A es de orden 3 4, luego su rango sera como maximo 3. As, calculamos el
determinante de todas las submatrices cuadradas de orden 3 de A, a saber

2 2 0 2 2 1

1
0 3 = 0, 1 0 1 = 0,
1 2 3 1 2 0

2 0 1 2 0 1

1
3 1 = 0 y 0 3 1 = 0.
1 3 0 2 3 0
En consecuencia el rango de A no es tres y, por tanto, sera como maximo 2. As, comprobamos si existe
alguna submatriz cuadrada de orden 2 de A con determinante no cero. En efecto:

2 2
1 0 = 2,

luego, por el teorema anterior, tenemos rg(A) = 2.
EJEMPLO

2 2 0 1
A= 1 0 3 1 .
1 2 0 0
Igual que antes, primero observamos que A es de orden 3 4, luego su rango sera como maximo 3. As,
comprobamos si existe alguna submatriz cuadrada de orden 3 de A con determinante no cero. En efecto:

2 2 0

1
0 3 = 6 6= 0,
1 2 0
luego, por el teorema anterior, tenemos rg(A) = 3.
Observacion 20
Tenemos entonces dos metodos para calcular el rango de una matriz: mediante la definicion original por
un lado y a traves de determinantes por otro. Cada metodo presenta sus ventajas e inconvenientes y,
dependiendo de cada matriz concreta, uno de ellos puede ser mas rapido que el otro a la hora de calcular
el rango.
2.2.3 Inversa de una matriz y determinantes

Una de las operaciones mas importantes que atanen a las matrices es el calculo de la matriz inversa
de una matriz dada, que ahora introducimos. Es fundamental observar que una condicion necesaria (pero
no suficiente) para que exista la matriz inversa de una matriz es que esta tiene que ser cuadrada.
Definicion 38 (Inversa de una matriz)

Dada una matriz cuadrada A de orden n, se dice que A es invertible (o que tiene inversa) si existe
una matriz cuadrada B del mismo orden que A y de forma que AB = BA = In . En tal caso, B se llama
la matriz inversa de A y la representamos por A1 .
EJEMPLO
La siguiente matriz es invertible

6 2 3
A= 1 0 1
1 1 0
y su matriz inversa es
1 3 2
B = 1 3 3 ,
1 4 2
pues es facil comprobar que AB = BA = I3 .
Observacion 21
Como hemos dicho antes, una condicion necesaria para que una matriz tenga inversa es que sea cuadrada.
Por otro lado, a diferencia de lo que ocurre con los numeros reales, no todas las matrices cuadradas no
nulas tienen inversa. Buscar un ejemplo que ilustre esta situacion.
En general es complicado probar si una matriz tiene inversa y, en caso afirmativo, calcularla. No
obstante, todo se simplifica mucho si hacemos uso de los determinantes y del concepto de matriz adjunta
que introducimos a continuacion. Antes de hacerlo, recordemos que si A es una matriz cuadrada entonces
i j representa el menor adjunto de A obtenido al suprimir la i-esima fila y la j-esima columna de A.
Definicion 39 (Matriz adjunta)

Definimos la matriz adjunta de A como la matriz del mismo orden que A y cuyo elemento en la
posicion (i, j) es i j . La representaremos por Adj(A).
EJEMPLO
En el ejemplo anterior,
1 1 1
Adj(A) = 3 3 4 .
2 3 2
Por ejemplo, su elemento (1, 1) no es mas que

1+1
0 1
11 = (1)
= 1.
1 0
Tema 2 45
El elemento (2, 3) lo hemos calculado mediante el computo

0 1
23 = (1)2+3

= 1.
1 0
Con los conocimientos que acabamos de adquirir es sencillo calcular la matriz inversa de una matriz
invertible. El siguiente resultado nos dice cuando una matriz cuadrada tiene inversa y, en caso de tenerla,
nos da una regla de facil aplicacion para calcularla.
Teorema
Una matriz cuadrada A es invertible si y solo si |A| 6= 0. Ademas en tal caso tenemos:
1
A1 = (Adj(A))t .
|A|
EJEMPLO
Usando el teorema, la matriz A del ejemplo anterior tiene inversa puesto que |A| = 1, y
t
1 1 1 1 3 2
1
A1 = 3 3 4 = 1 3 3 .
1
2 3 2 1 4 2
Podemos verificar que el calculo anterior es correcto sin mas que comprobar que el producto de ambas
matrices es la identidad.
2.3 Sistemas de ecuaciones lineales
En esta seccion usaremos lo que conocemos sobre matrices y determinantes para la resolucion de
sistemas de ecuaciones lineales.
2.3.1 Definiciones y ejemplos

En primer lugar formalizamos mediante las dos siguientes definiciones el concepto de sistema de
ecuaciones lineales.
Definicion 40 (Ecuacion lineal)

Una ecuacion lineal con m incognitas es una ecuacion del tipo a1 x1 + . . . + am xm = b en la que b
y cada ai , i = 1, . . . , m, son numeros reales cualesquiera. Los numeros ai se llaman coeficientes, el
numero b se llama termino independiente y las variables xi son las incognitas.
Una solucion de la ecuacion estara formada por m numeros reales de forma que al sustituir su valor
concreto en las incognitas se cumple la ecuacion.
46 2.3. Sistemas de ecuaciones lineales
EJEMPLOS
Ejemplo 1 : La ecuacion
2x y = 0
es lineal y una solucion de ella es x = 1, y = 2. Otra solucion es x = 0, y = 0.
x + y + z + 2t = 8
es lineal. Una solucion de dicha ecuacion es x = 1, y = 1, z = 0, t = 4. Otra solucion es
x = 8, y = 0, z = 0, t = 0.
3x = 6
es lineal y la unica solucion que tiene es x = 2.
Ejemplo 4 : Las ecuaciones
x2 + y = 1, x y 2z = 0, y log(x) + y = 2
no son lineales.
Observacion 22
Notese que en una ecuacion lineal no pueden aparecer terminos tales como el producto de dos incognitas,
una incognita elevada al cuadrado (o a una potencia de exponente distinto de uno), races de incognitas,
funciones trigonometricas o exponenciales de una incognita,...,etc.
Definicion 41 (Sistema de ecuaciones lineales)

Se llama sistema de ecuaciones lineales (abreviado, SEL) a un conjunto de n ecuaciones lineales
todas ellas con las mismas m incognitas.
Por tanto, un SEL tiene el siguiente aspecto:

a11 x1 + . . . + a1m xm = b1

.. .. .. .
. . .
an1 x1 + . . . + anm xm = bn

Este sistema se suele reescribir en forma matricial de la forma AX = b, donde estamos llamando:

a11 . . . a1m x1 b1
A = ... .. , X = .. , y b = .. .

. . .
an1 . . . anm xm bn
La matriz A se llama matriz de coeficientes, el vector columna X se llama vector de incognitas y el

vector columna b se llama vector de terminos independientes.
La matriz ampliada del SEL es la matriz que se obtiene cuando anadimos al final de la matriz de
coeficientes la columna b de terminos independientes. La representaremos por A o por (A | b). En
este caso,
a11 . . . a1m b1
(A | b) = ... .. .. .

. .
an1 . . . anm bn
Tema 2 47
EJEMPLO
Un ejemplo de SEL es
2x +y = 0
.
x y = 3
Su matriz de coeficientes, vector de terminos independientes y matriz ampliada son, respectivamente,

2 1 0 2 1 0
A= , b= , y A = .
1 1 3 1 1 3
La siguiente definicion describe lo que entendemos por una solucion de un sistemas de ecuaciones
lineales.
Definicion 42 (Solucion de un SEL)

Una solucion de un SEL estara formada por m numeros reales que sean solucion a la vez de todas
las ecuaciones del SEL. Diremos que dos SEL son equivalentes si tienen las mismas soluciones.
EJEMPLO
Una solucion del SEL del ejemplo anterior es x = 1, y = 2. De hecho, es facil comprobar que esta
es la unica solucion que admite.
Los sistemas de ecuaciones lineales se clasifican en tres grupos atendiendo a la cantidad de soluciones
que tienen:
Definicion 43 (Caracter de un SEL)

Un SEL se dice incompatible (abreviado, SI) si no admite ninguna solucion. Si admite soluciones
se dice compatible (SC). Un sistema compatible puede ser:
1. Sistema Compatible Determinado (SCD) si admite una unica solucion.
2. Sistema Compatible Indeterminado (SCI) si admite mas de una solucion.
EJEMPLOS
Ejemplo 1 : El sistema
2x +y = 0
x y = 3
es compatible determinado. Como notamos en el ejemplo anterior, su unica solucion es
x = 1, y = 2.
2x +y = 1
4x 2y = 2
es compatible indeterminado. Algunas de sus soluciones son x = 0, y = 1, y x = 1, y = 1.
2x +y = 0
4x +2y = 3
es incompatible ya que no admite ninguna solucion.
Definicion 44 (Discutir y resolver un SEL)

Discutir un SEL consiste en decidir de que tipo es segun la clasificacion anterior. Resolver un SEL
consiste en calcular todas las soluciones del SEL si las hay.
Un caso particular de SEL que aparece en muchas ocasiones es aquel en el que el termino indepen-
diente de todas sus ecuaciones es cero.
Definicion 45 (SEL homogeneo)
Diremos que un SEL es homogeneo si todos sus terminos independientes son iguales a cero. Es
evidente que un SEL de este tipo siempre sera compatible ya que una solucion se obtiene cuando
todas las incognitas son iguales a cero.
EJEMPLO
Un ejemplo de SEL homogeneo es

2x +y z = 0
.
x +2z = 0
2.3.2 Discusion de sistemas de ecuaciones lineales

Antes de meternos a resolver un SEL podemos plantearnos si este tiene o no solucion, y en caso de
tenerla, averiguar cuantas soluciones tiene. As, lo primero que podemos hacer es discutir el sistema.
La principal herramienta que usaremos para discutir un SEL sin necesidad de resolverlo es el siguiente
resultado:
Teorema de Rouche-Frobenius
Supongamos que tenemos un SEL con matriz de coeficientes A y matriz ampliada A .
1. Si rg(A) 6= rg(A ), entonces tenemos un sistema incompatible.
2. Si rg(A) = rg(A ) y es igual al numero de incognitas, entonces tenemos un sistema compatible

determinado.
3. Si rg(A) = rg(A ) y es menor que el numero de incognitas, entonces tenemos un sistema

compatible indeterminado. En este caso, si n es el numero de incognitas y rg(A) = rg(A ) < n,
entonces las soluciones del sistema dependen de un numero de parametros igual a n rg(A).
Apliquemos el teorema para comprobar el caracter de los sistemas de los ejemplos anteriores.
Tema 2 49
EJEMPLOS
Ejemplo 1 : Consideremos el sistema

2x +y = 0
.
x y = 3
Entonces rg(A) = 2 = rg(A ) y coincide con el numero de incognitas, luego, es un SCD.
Ejemplo 2 : Para el sistema

2x +y = 1
4x 2y = 2
tenemos rg(A) = 1 = rg(A ) y el numero de incognitas es 2, luego, segun el teorema, el
sistema es compatible indeterminado.
2x +y = 0
4x +2y = 3
es incompatible por ser rg(A) = 1 6= 2 = rg(A ).
Los siguientes ejemplos son un poco mas complicados. En ellos estudiamos sistemas de ecuaciones
lineales que dependen de parametros reales.
EJEMPLO
Consideremos el sistema
2x +ay = 0
,
x y = 3
siendo a R. Su matriz de coeficientes es

2 a
A= ,
1 1
que tiene rango uno si a = 2, y rango dos si a 6= 2. Por otro lado, el rango de la matriz ampliada

2 a 0
A = ,
1 1 3
es siempre dos. De este modo el sistema tendra distinto caracter para los casos a = 2 y a 6= 2.
Para a = 2 tenemos rg(A) = 1 6= 2 = rg(A ), luego el sistema es incompatible. Para a 6= 2, ocurre
que rg(A) = 2 = rg(A ), que coincide con el numero de incognitas, luego el sistema es compatible
determinado.
EJEMPLO
Consideremos el sistema
2x +ay z = 0
x ay =3 ,
2ax +y z = 1

siendo a R. Su matriz de coeficientes es:

2 a 1
A = 1 a 0 .
2a 1 1
Para calcular el rango de A, primero observamos que contiene una submatriz cuadrada de orden dos
con determinante no nulo. De hecho:
2 1
= 1 6= 0,
1 0
luego rg(A) es al menos 2 (y como maximo 3 pues es una matriz de orden 3 3.) Ahora el determinante
de A es |A| = 2a2 + 3a 1 que es cero si, y solamente si, a = 1/2 o a = 1. As, la matriz A tiene
rango dos si a = 1 o a = 1/2 y rango tres en otro caso. Por otro lado, para calcular el rango de la matriz
ampliada
2 a 1 0
A = 1 a 0 3 ,
2a 1 1 1
observamos que
2 1 0 a 1 0

1 0 3 = 7 6a, y a 0 3 = 2a 3.

2a 1 1 1 1 1
Al no poder anularse ambos determinantes simultaneamente, concluimos que la matriz A siempre con-
tiene una submatriz de orden 3 con determinante distinto de 0, independientemente del valor de a. En
conclusion, rg(A ) = 3. De este modo el sistema tendra distinto caracter para los casos a = 1, a = 1/2
y a 6= 1, 1/2. Para a distinto de 1 y de 1/2 tenemos rg(A) = 3 = rg(A ), que coincide con el numero de
incognitas, luego el sistema es compatible determinado. Para a = 1, se tiene rg(A) = 2 6= 3 = rg(A ),
luego el sistema es incompatible. Lo mismo ocurre para a = 1/2.
En las proximas subsecciones nos preocuparemos de resolver un SEL. Estudiaremos dos herramien-
tas distintas: el metodo de Gauss y la regla de Cramer.
2.3.3 Metodo de Gauss para resolver un sistema de ecuaciones lineales

En esta subseccion emplearemos el metodo de Gauss para resolver de una forma sistematica cual-
quier sistema de ecuaciones lineales. En comparacion con otros procedimientos que tambien se pueden
aplicar para la resolucion de sistemas lineales, el metodo de Gauss es muy eficiente.
Este metodo esta basado en la misma idea que seguimos para calcular el rango de una matriz cual-
quiera: primero realizamos transformaciones sobre la matriz original para convertirla en otra mas sencilla
y segundo calculamos el rango de la matriz sencilla. Necesitamos entonces definir los que seran los SEL
mas sencillos de resolver.
Definicion 46 (SEL escalonado)

Diremos que un SEL es escalonado si su matriz ampliada es una matriz escalonada.
EJEMPLO
El sistema
2x +y = 0
y +2z = 1
3z = 1

Tema 2 51
es escalonado puesto que su matriz ampliada es

2 1 0 0
0 1 2 1 .
0 0 3 1
Los sistemas escalonados son muy faciles de resolver si lo hacemos con orden. Lo mas sencillo es
ir resolviendo las ecuaciones de abajo hacia arriba. Para resolver un SEL escalonado procedemos como
sigue:
Como resolver un SEL escalonado

Seguimos los siguientes pasos:
1. Si el SEL contiene una ecuacion del tipo 0 = b con b 6= 0 entonces el sistema es incompatible.
De lo contrario el SEL es compatible y pasamos al paso 2.
2. Encontramos las incognitas principales y las incognitas secundarias del SEL. Las principales
son las que estan asociadas a los pivotes de cada fila no nula de la matriz de coeficientes.
Las secundarias son las restantes. Si todas las incognitas son principales entonces el SEL es
compatible determinado. De lo contrario se trata de un SEL compatible indeterminado.
3. Para resolver el SEL, se asigna a cada incognita secundaria un parametro real y se despejan
las incognitas principales en funcion de estos parametros de abajo hacia arriba.
En particular, se deduce del procedimiento anterior que todo SEL escalonado compatible tiene
una unica solucion o infinitas.
EJEMPLO
El sistema escalonado
x y z = 1
y +z = 0
3z = 6

es compatible determinado puesto que todas las incognitas son principales. Para resolverlo iremos des-
pejando las ecuaciones de abajo a arriba: de la tercera ecuacion tenemos z = 2 y sustituyendo este valor
de z en las dos primeras ecuaciones deducimos

x y = 1
.
y = 2
Ahora despejamos el valor de y en la segunda ecuacion y obtenemos y = 2. Este valor lo sustituimos

en la primera ecuacion para concluir x = 3. As la solucion del sistema es x = 3, y = 2, z = 2.
EJEMPLO
x y z = 1
y +z = 0
0 = 6

es incompatible por tener una ecuacion del tipo 0 = b, con b 6= 0.
EJEMPLO
x y z = 1
y +z = 0
es compatible indeterminado por tener incognitas secundarias. Para resolverlo asignamos un parametro
real a cada una de las incognitas secundarias, en este caso solo hay una z = , y despejamos en las
ecuaciones de abajo a arriba, con lo que nos queda

x y = 1 +
.
y =
Ahora despejamos el valor de y en la segunda ecuacion y obtenemos y = . Este valor lo sustituimos en

la primera ecuacion para concluir x = 1 + 2. De este modo, todas las soluciones del sistema son de la
forma x = 1 + 2, y = , z = , con R.
EJEMPLO
x y z +2t = 1
y +z t = 0
es compatible indeterminado por tener incognitas secundarias. Para resolverlo asignamos un parametro
real a cada una de las incognitas secundarias, en este caso hay dos: t = , z = , y despejamos en las
ecuaciones de abajo a arriba, con lo que nos queda

x y = 1 2 +
.
y =
Ahora despejamos el valor de y en la segunda ecuacion y obtenemos y = + . Este valor lo susti-

tuimos en la primera ecuacion para concluir x = 1 3 + 2 . De este modo, todas las soluciones del
sistema son de la forma x = 1 3 + 2 , y = + , z = , t = , con , R.
Una vez que sabemos resolver los SEL escalonados pasamos al caso general. Dado un SEL cualquie-
ra, el metodo de Gauss para resolver el SEL responde a los siguientes pasos:
Metodo de Gauss
Para resolver un SEL procedemos del siguiente modo:
1. Se escribe la matriz ampliada A del SEL.
2. Se realizan transformaciones elementales por filas hasta convertir A en una matriz escalo-
nada.
3. Se escribe y se resuelve el SEL escalonado equivalente al original al que hemos llegado.

Como este SEL es equivalente al original, sus soluciones coinciden con las del SEL original.
Tema 2 53
Observacion 23
En particular, como consecuencia del metodo de Gauss, concluimos que si un SEL es compatible enton-
ces tiene una unica solucion o infinitas.
EJEMPLO
Resolvamos el SEL siguiente:

x +3y +2z = 5
3x +y 2z = 1 .
2x +y z = 0

Escribimos la matriz ampliada del SEL:

1 3 2 5
A = (A|b) = 3 1 2 1 .
2 1 1 0
Aplicamos transformaciones elementales para escalonar la matriz:

1 3 2 5 1 3 2 5
3 1 2 1 F 0 =F2 3F1 0 8 8 16 F 0 = 1 F2
2 2 8
2 1 1 0 F30 =F3 2F1 0 5 5 10 F30 = 15 F3

1 3 2 5 1 3 2 5
0 1 1 2 0 1 1 2 .
F 0 =F F
0 1 1 2 3 3 2
0 0 0 0
En este punto escribimos el SEL escalonado al que hemos llegado y lo resolvemos. La incognita z es
secundaria mientras que x e y son principales. Por tanto ponemos z = donde es un parametro real, y
despejamos de abajo hacia arriba las incognitas x e y en funcion de . Se obtiene:

x + 3y = 5 2
.
y = 2
Sustituyendo el valor de y de la segunda ecuacion en la primera, obtenemos:
x = 3y 5 2 = 6 + 3 5 2 = 1 + .
Deducimos que estamos ante un SCI con soluciones x = 1 + , y = 2 , z = con R.
EJEMPLO
Estudiemos ahora el siguiente SEL:

x +3y +2z = 5
3x +y 2z = 1 .
2x +y z = 1

Escribimos la matriz ampliada del SEL y la escalonamos usando transformaciones elementales:

1 3 2 5 1 3 2 5
A = (A|b) = 3 1 2 1 0 1 1 2 .
2 1 1 0 0 0 0 1/5
Observamos que la tercera ecuacion del sistema que queda es 0 = 1/5, luego el sistema es incompatible.
EJEMPLO
Resolvamos ahora el SEL siguiente:

x +3y +2z = 5
3x +y 2z = 1 .
2x +y = 0

Escribimos su matriz ampliada y aplicamos transformaciones elementales para escalonarla:

1 3 2 5 1 3 2 5
A = (A|b) = 3 1 2 1 0 1 1 2 .
2 1 0 0 0 0 1 0
En este punto escribimos el SEL escalonado al que hemos llegado y lo resolvemos. Todas las incogni-
tas son principales as que el sistema es compatible determinado y lo resolveremos despejando de abajo
hacia arriba las incognitas. Se obtiene:

x + 3y +2z = 5
y +z = 2 .
z = 0

Sustituyendo el valor de z de la tercera ecuacion en la primera y la segunda, obtenemos:

x + 3y = 5
y = 2 .
z = 0

Ahora sustituimos el valor de y de la segunda ecuacion en la primera y concluimos que la unica solucion
del sistema es x = 1, y = 2, z = 0.
Observacion 24
Para verificar que los calculos realizados son correctos siempre podemos comprobar que las soluciones
obtenidas cumplen realmente todas las ecuaciones del SEL.
Ahora utilizaremos el metodo de Gauss para resolver algunos SEL con parametros.
EJEMPLO
Si a R, consideramos el sistema

x y = 0
,
2x +ay = 3
Para a = 2 tenemos rg(A) = 1 6= 2 = rg(A ), luego el sistema es incompatible, mientras que para
a 6= 2, ocurre rg(A) = 2 = rg(A ), que coincide con el numero de incognitas, luego el sistema es
compatible determinado. As, resolvamos el sistema para el caso a 6= 2.
Escribimos la matriz ampliada del SEL y aplicamos transformaciones elementales para escalonarla:

1 1 0 1 1 0
A = (A|b) = ,
2 a 3 F20 =F2 2F1 0 a+2 3
Tema 2 55
con lo que hemos llegado al sistema escalonado

x y = 0
.
(a + 2)y = 3
Al ser a 6= 2 podemos despejar en la segunda ecuacion obteniendo

3
y= .
a+2
Sustituyendo este valor en la primera ecuacion concluimos
3
x= .
a+2
EJEMPLO
Estudiemos el sistema
x +ay z = 2
x +y az = 3a + 1 ,
ax y z = 2

que depende de un parametro a R. Para discutir el sistema, primero estudiemos el rango de su matriz
de coeficientes
1 a 1
A= 1 1 a .
a 1 1
Haciendo transformaciones elementales por filas encontramos

1 a 1 1 a 1
1 1 a F20 =F2 +F1 0 a+1 a 1 .
a 1 1 F30 =F3 +a F1 0 (a + 1)(a 1) a 1

1 a 1
0 a+1 a 1 ,
F30 =F3 (a1)F2
0 0 (a + 1)(a 2)
que tiene rango uno si a = 1, rango dos si a = 2 y rango tres en otro caso. Por otro lado, la matriz
ampliada

1 a 1 2 1 a 1
2
1 1 a 3a + 1 0 a + 1 a 1
3(a + 1)
a 1 11 2 0 0 (a + 1)(a 2) (5 3a)(a + 1)

tiene rango uno si a = 1, y rango tres si a 6= 1. Resumiendo:
1. Para a = 1 tenemos rg(A) = 1 = rg(A ), que es menor que el numero de incognitas, 3, luego el
sistema es compatible indeterminado.
2. Para a = 2 tenemos rg(A) = 2 6= 3 = rg(A ), luego el sistema es incompatible.
3. Para a 6= 1, 2, tenemos rg(A) = 3 = rg(A ), que coincide con el numero de incognitas, por tanto
el sistema es compatible determinado.
Para resolver el sistema estudiaremos el SEL escalonado equivalente que hemos obtenido:

x +ay z = 2
(a + 1)y (a + 1)z = 3(a + 1) .
(a + 1)(a 2)z = (a + 1)(5 3a)

Para resolverlo trataremos por separado cada uno de los casos anteriores:
1. Supongamos a = 1. En este caso, la segunda y la tercera ecuacion se reducen a 0 = 0, luego

las incognitas y, z son secundarias y les asignamos parametros y = , z = . Sustituyendo estos
valores en la primera ecuacion obtenemos x = 2 , siendo , R.
2. Supongamos a 6= 1, 2. El sistema es SCD y lo resolvemos despejando las incognitas de abajo a

arriba. De la tercera ecuacion tenemos
5 3a
z= .
a2
Hemos podido dividir por a 2 y por a + 1 por ser a 6= 1, 2. Sustituyendo este valor en la segunda
ecuacion nos queda
1
y=
a2
y sustituyendo los valores de y y z en la primera ecuacion concluimos
1
x= .
a2
2.3.4 Regla de Cramer

Esta regla proporciona un metodo para resolver ciertos sistemas de ecuaciones compatibles deter-
minados mediante el uso de determinantes. El metodo de la Regla de Cramer es de mayor utilidad para
resolver sistemas pequenos pero es mucho mas tedioso que el metodo de Gauss a la hora de resolver
SEL con muchas ecuaciones. Esto se debe a que, como comentamos en su momento, el calculo del
determinante de una matriz de orden grande requiere mucho trabajo.
Definicion 47 (SEL de Cramer)

Diremos que un SEL es un sistema de Cramer si su matriz de coeficientes A es cuadrada (lo que
equivale a decir que el SEL tienen tantas ecuaciones como incognitas) y |A| 6= 0.
Observacion 25
Gracias al teorema de Rouche-Frobenius se comprueba enseguida que un sistema de Cramer es compa-
tible determinado. Sin embargo, no es cierto que todo SCD sea de Cramer.
EJEMPLO
El SEL dado por

x +3y +2z = 5
3x +y 2z = 1
2x +y = 0

Tema 2 57
es de Cramer, luego es SCD. En cambio, el sistema

x +3y +2z = 5
3x +y 2z = 1

2x +y = 0
2x 2y 4z = 6

es SCD pero no es de Cramer ya que su matriz de coeficientes no es cuadrada.
El siguiente resultado nos muestra una sencilla regla para resolver sistemas de Cramer.
Regla de Cramer
Supongamos que tenemos un sistema de Cramer con incognitas x1 , . . . , xn y matriz ampliada (A|b).
Escribamos:
a11 . . . a1n b1
A = ... .. , b = .. .

. .
an1 . . . ann bn
Entonces el sistema es compatible determinado y se puede resolver as:

b1 a12 . . . a1n a11 . . . a1n1 b1

.. .. .. .. .. ..
. . . . . .

bn an2 . . . ann an1 . . . ann1 bn
x1 = , . . . , xn = ,
|A| |A|
es decir, para despejar la incognita xi , en el numerador se tiene el determinante de la matriz que

resulta al cambiar en A la columna i-esima por la columna b, mientras que en el denominador se
tiene siempre el determinante de A.
EJEMPLO
Resolvamos el SEL:
x y + z = 0
x + 3y + 2z = 1 .
2x + 2y + z = 1

La matriz ampliada del SEL es:

1 1 1 0
A = (A|b) = 1 3 2 1 .
2 2 1 1
Comprobamos que el determinante de A es distinto de cero:

1 1 1

|A| = 1 3 2 = 8.
2 2 1
Las soluciones se pueden calcular por la regla de Cramer del siguiente modo:

0 1 1 1 0 1 1 1 0

1 3 2 1 1 2 1 3 1

1 2 1 1 2 1 1 1 2 2 1
x= = , y= = , z= = 0.
8 4 8 4 8
EJEMPLO
El sistema
x +ay z = 2
x +y az = 3a + 1 ,
ax y z = 2

que depende de un parametro a R, es un sistema de Cramer cuando a es distinto de 1 y de 2, puesto

que el determinante de su matriz de coeficientes,

1 a 1
A= 1 1 a ,
a 1 1
es |A| = (a + 1)2 (a 2), que se anula solo para a = 1 y a = 2. As, para el caso a 6= 1, 2 podemos
calcular las soluciones del sistema por la regla de Cramer del siguiente modo:

2
a 1
3a + 1
1 a
2 1 1 1
x= 2
= ,
(a + 1) (a 2) a2

1 2 1

1 3a + 1 a

a 2 1 1
y= 2
= ,
(a + 1) (a 2) a2

1 a 2

1
1 3a + 1
a 1 2 5 3a
z= = .
(a + 1)2 (a 2) a2
Notemos que hemos podido dividir por a + 1 y por a 2 ya que estamos suponiendo que a 6= 1, 2.
Relacion de ejercicios del tema 2 59
Relacion de ejercicios del tema 2
2. 1 Sean A y B dos matrices de orden 4 5 y C, D, E y F matrices con ordenes 5 2, 4 2, 5 2

y 5 4, respectivamente. Determinar cuales de las siguientes expresiones matriciales estan bien
definidas y, en tal caso, calcular el orden de la matriz resultante.
a) BA
b) AC + D
c) AE + B
d) AB + B
e) (A + B)E
f ) E(AC)
g) E t A
h) (At + E)D
2. 2 Consideremos las matrices:

1 2 5 0 1 3 4
A= , B= , C= .
3 4 6 7 2 6 5
Calcular, si es posible:
a) A2 (AB) + B2 .
b) 2A +C2 .
2. 3 Dadas las matrices siguientes, estudiar si son matrices cuadradas y, si lo son, especificar si son
triangulares, diagonales o escalonadas.

1 3 4 1 3 1 5 2
1 4 0 1
A = 0 1 , B = 0 2 1 , C = , D= 5 0 1 .
0 0 1 5
1 0 0 0 3 2 1 4
2. 4 Dadas las matrices:

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

1 5 2 6 1 3
D = 1 0 1 , E = 1 1 2 .
3 2 4 4 1 3
Calcular, si es posible:
a) AB,
b) D + E,
c) D E,
d) DE,
60 Relacion de ejercicios del tema 2
e) ED,
f ) BC,
g) Ct B.
2. 5 Un agricultor cultiva peras y manzanas. Cada cosecha se enva a tres mercados distintos: El Merca-
do de Granjeros, El Puesto de Fruta y La Granja de Fruta. Los numeros de cajas de peras enviadas
a los tres mercados son 125, 100 y 75, respectivamente. El numero de cajas con manzanas envia-
das a los tres mercados son 100, 175 y 125, respectivamente. La ganancia del agricultor por caja
de peras es 3,5 euros y la ganancia por caja de manzanas es 6 euros. Usar calculo matricial para
calcular la ganancia total del agricultor por cada tipo de fruta.
2. 6 Para las matrices:
2 1
1 2 5
A= 1 0 , B= ,
3 4 0
3 4
comprobar que se verifican estas propiedades:
a) AB 6= BA (el producto de matrices no es conmutativo),
b) (AB)t = Bt At (la traspuesta del producto es el producto de las traspuestas cambiado de or-
den).
2. 7 Las siguientes tablas muestran datos acerca de la contaminacion producida en kilogramos por dos
fabricas, A y B, en los anos 2006, 2007 y 2008:
Residuos solidos Residuos lquidos
PP PP
PP Ano P PP Ano 2006 2007
P 2006 2007 2008 2008
Fabrica PPP P Fabrica PPP P
A 200 300 500 A 500 600 700
B 250 275 400 B 300 450 650
Composicion de los residuos solidos

XXX
XXComposicion
XXX % Plastico % Otros
Ano XXX
2006 30 70
2007 40 60
2008 50 50
Utilizar calculo matricial para calcular:
a) La cantidad total de residuos solidos y lquidos de cada fabrica en cada ano del periodo
2006-2008.
b) La cantidad total de plastico y de otros residuos solidos producidos por cada fabrica en el
periodo 2006-2008.
2. 8 Sabemos que si dos numeros reales a y b verifican ab = 0, entonces a = 0 o b = 0. Encontrar un
ejemplo de dos matrices cuadradas de orden dos A y B que cumplan AB = 0 y ninguna de las dos
matrices sea la matriz cero.
2. 9 Estudiar si las siguientes matrices tienen inversa y, en su caso, calcularla:

1 2 3
3 6
A= , B= 0 1 2 .
6 12
0 0 1
2. 10 Se consideran las matrices:

3 8 2 4 1 6
A= , B= , C= .
5 10 5 6 2 10
Calcular la matriz X de orden 2 2 que resuelve las ecuaciones matriciales:
a) BX = C,
b) AX B = C,
c) XCt = B.
2. 11 Comprobar que la matriz

1/3 2/3 2/3
A = 2/3 1/3 2/3
2/3 2/3 1/3
verifica At = A1 .
2. 12 Calcular el rango de las siguientes matrices:

2 1 3 1 1 2 1 3
A= 3 2 5 3 , B = 2 4 2 6 ,
1 0 1 5 3 6 3 9

1 2 1 2
1 0 0 2 3 1 3
C= 2 3 0 , D= 3
.
5 0 1
0 1 1
2 1 7 17
2. 13 Para la matriz D del ejercicio anterior calcular los menores adjuntos 13 , 34 y 21 . Calcular tam-
bien |D|.
2. 14 Calcula el rango de las siguientes matrices:

0 0 1 3 2
6 1 3
2 2 3 1 6

A = 1 1 2 , B =
3 3 5 3 .
8
4 1 3 4 4 8 8 8
1 1 1 1 4
2. 15 Calcular los siguientes determinantes:

2 1 3

a) 1 1 2 .
4 1 3

1 2 3

b) 1 4 1 .
2 1 5

1 2 1 3

2 1 1 2
c)
.
4 3 2 1

0 0 1 2

1 1 2 3

4 5 0 6
.
d)
3 1 7 2

6 2 14 4
2. 16 Determinar el rango de las siguientes matrices en funcion del parametro t:

3 1 0
t t +3 1 t 3 1 2 5 1
A= 2 4 1 , B= 0 t +1 2 , C=
1
,
1 1
1 6 0 4 0 1
1 2 t

1 2 3 t 1 1 t +3
D= 2 4 6 8 , E= 1 t 0 .
3 6 9 12 2 1 0
2. 17 Analizar la veracidad o falsedad de la siguiente afirmacion: si A y B son dos matrices cuadradas

del mismo orden entonces |A + B| = |A| + |B|.
2. 18 Decidir cuales de los siguientes sistemas de ecuaciones son lineales. Para los que lo sean, escribir
la matriz de coeficientes y la matriz ampliada del sistema:

x +y + z = 0
a) y z = 3x .
x +y +z = 0

x +y +2z = 0
b) y z = 35 .
x +2y +3z = 2009

x + 2z = 3y
c) sen(2) z = 35 2x .
y+x = 3z

x + y + z = 28
d) z2 = 35 .
sen(x) + cos(y) = tg(z)

2. 19 Resolver los siguientes sistemas de ecuaciones lineales escalonados:

x +y +z +t = 1
a) y +z +t = 2 .
z +t = 3

x + y = z t
b) .
y+z+t = 3
c) {x y + 10z = 8 .
2. 20 Un agricultor quiere fertilizar un terreno y para ello necesita 5000 kilos de abono. Dispone de
25000 euros, y puede comprar dos tipos de abono: un abono A de alta calidad que cuesta 8 euros el
kilo y un abono B de baja calidad que cuesta 3 euros el kilo. Despues de comprarlos los mezclara.
Para tener un abono de la maxima calidad posible decide gastarse los 25000 euros. Cuanto abono
comprara de cada tipo?
2. 21 Se tienen dos lquidos a y b en los que se encuentran disueltas dos sustancias: cloruro sodico y
glucosa. Cada litro de a contiene 30 gramos de cloruro sodico y 80 gramos de glucosa mientras
que cada litro del lquido b contiene 13 gramos de cloruro sodico y 46 gramos de glucosa. Decidir
si es posible obtener un lquido c a partir de los lquidos a y b de modo que cada litro de c contenga
20 gramos de cloruro sodico y 60 gramos de glucosa.
2. 22 Una mezcla de 6 litros del qumico A, 8 litros del qumico B y 13 litros del qumico C se requiere
para aniquilar un insecto destructor de cultivos. El producto comercial X contiene 1, 2 y 2 partes,
respectivamente, de estos qumicos. El producto comercial Y contiene solo el qumico C. El pro-
ducto comercial Z contiene los qumicos A, B y C, en cantidades iguales. Que cantidad de cada
tipo de producto comercial se necesita para obtener la mezcla deseada?
2. 23 Una mezcla de 5 libras del fertilizante A, 13 libras del B y 4 libras del C proporcionan los nutrientes
optimos para una planta. La marca X contiene partes iguales de los fertilizantes B y C. La marca
Y contiene una parte de A y dos partes de B. La marca Z contiene dos partes de A y dos partes de
C. Que cantidad de cada marca de fertilizante se necesita para obtener la mezcla deseada?
2. 24 Discutir los siguientes sistemas de ecuaciones lineales:

2x +2y +10z = 18
a) 2x +3y +12z = 23 .
2y +5z = 11

x +2y 3z = 1
b) 3x y +2z = 1 .
5x +3y 4z = 2

x +2y 3z = 6
c) 2x y +4z = 2 .
4x +3y 2z = 14

x 3y +4z 2t = 5
d) 2y +5z +t = 2 .
y 3z = 4

2. 25 Utilizar el metodo de Gauss para discutir y resolver los sistema de ecuaciones lineales del ejercicio
anterior. En caso de que alguno de estos sistemas sea de Cramer, resolverlo tambien haciendo uso
de la regla de Cramer.
2. 26 Discutir y resolver los siguientes sistemas de ecuaciones lineales:

4y z = 7
x +y +z = 2

a) .

x 2y +z = 2
x +2y = 3

y +z 2s +t = 2
b) x +2y +s = 7 .
2x y +z +4s +t = 0

2. 27 Calcular los valores del parametro k para los que el siguiente sistema de ecuaciones lineales es
incompatible o compatible indeterminado:

x y z 2t = 0
x +ky +z +t = 0

.

x +2y +5z +7t = 0
2x +y +4z +5t = 0

2. 28 Discutir y resolver, cuando sea posible, los sistemas de ecuaciones lineales siguientes en funcion
del parametro a:

x +2y +z = 1
a) x y +z = 2 .
x +az = 1

2x +4ay 2az = 2
b) x 3az = 1 .
x +3ay +(a 1)z = 2

3x +5y +az = 2
c) 5x +3y +az = 2 .
ax +5y +3z = 2

ax +y +z = 2
d) ax +ay +2z = a+2 .

ax y +az = a + a 2 2

ax +y +z = 1
e) x +ay +z = a .
x +y +az = a2

x +3y az = 4
ax +y +az = 0

f) .

x +2ay = a + 2
2x y 2z = 0

2. 29 Las tres cifras de un numero suman 21. Si a ese numero se le resta el que resulta de invertir el
orden de sus cifras se obtiene 198. Se sabe tambien que la cifra de las decenas coincide con la
media aritmetica entre las otras dos. Calcular dicho numero.
2. 30 SplendidLawn vende tres tipos de fertilizante para cesped: SL 24-4-8, SL 21-7-12 y SL 17-0-0.
Las tres cifras indican los porcentajes de nitrogeno, fosfato y potasio del contenido, en ese orden
(por ejemplo, 100 gramos de SL 24-4-8 contienen 24 gramos de nitrogeno). Supongamos que un
cesped requiere al ano 500 gramos de nitrogeno, 100 gramos de fosfato y 180 gramos de potasio
por cada 1000 pies cuadrados. Que cantidad de los tres tipos de fertilizante habra que aplicar al
ano cada 1000 pies cuadrados?
2. 31 Calcular la parabola y = ax2 + bx + c cuya grafica pasa por (2, 0), (3, 0) y (1, 12).
2. 32 Para la construccion de un almacen se necesita una unidad de hierro y ninguna de madera. Para la
construccion de un piso se necesita una unidad de cada material y para la construccion de una torre
se necesitan cuatro unidades de hierro y una de madera. Si poseemos en reserva 14 unidades de
hierro y cuatro de madera, decidir cuantos almacenes, pisos y torres se pueden construir de manera
que se utilicen todas las reservas.
2. 33 Resuelve los siguientes sistemas de ecuaciones lineales por el metodo de Gauss:

x +y +z = 2
a) 2x y +z = 1 .
x +2y +z = 2

x +y +2z = 8
b) x 2y +3z = 1 .
3x 7y +4z = 10


2x +2y +2z = 0
c) 2x +5y +2z = 0 .
7x +7y +z = 0

x y +2z w = 1
2x +y 2z 2w = 2

d) .
x +2y 4z +w =
1
3x 3w = 3

2x y +3z = 2
2y +z = 1

e) .

x +y 2z = 1
2x 3y +2z = 1

x y +2z = 0
f) 2x +2y 3z +w = 1 .
x +y +z +2w = 1

2. 34 Estudiar cuales de los sistemas del ejercicio anterior son de Cramer y resolver los que lo sean
usando la regla de Cramer.
2. 35 Demostrar que dados tres puntos del plano (x1 , y1 ), (x2 , y2 ), (x3 , y3 ) de forma que sus primeras
coordenadas son dos a dos distintas, existe una unica parabola cuya grafica contiene a los puntos
dados.
2. 36 Las masas atomicas del Tetranitruro de tetrasulfuro (S4 N4 ), Hexafluoruro de sulfuro (SF6 ) y Tetra-
fluoruro de dinitrogeno (N2 F4 ) son, respectivamente, 184, 146 y 104. Calcular las masas atomicas
de azufre (S), nitrogeno (N) y fluor (F).
2. 37 Hallar un polinomio de grado menor o igual que 2, de forma que pase por los puntos (0, 2), (1, 1),
(3, 5).
2. 38 Discutir y resolver los siguientes sistemas de ecuaciones en funcion de sus parametros.

x +y +2z = a
a) x +z = b .
2x +y +3z = c

x +2y 3z = 4
b) 3x y +5z = 2 .
4x +y +(a2 1)z = a + 2

x +3y +z = 0
c) 2x +y 3z = 5 .
x +7y +9z = a

x +2y +4z 3u = 2
d) 3x +7y +5z 5u = 3 .
5x +12y +6z 7u = a

x +y +z = 1
e) 3x +ay +az = 5 .
4x +ay = 5

ax +y +z = 1
f) x +ay +z = a .
x +y +az = a2


x y +2z = 0
g) x +y z = 0 .
x +ay +z = 0

(a + 2)x 2y +3z = 0
h) 2x +(a 1)y +6z = a .
x +2y +az = 0

x +y +z = 1
2x y +3z = 5

i) .

3x +4y 2z = 2
x +3y 2z = a

Soluciones de los ejercicios del tema 2 67
Soluciones de los ejercicios del tema 2
2. 1 El resultado de b) y e) es una matriz de orden 4 2, el resultado de h) es 5 2. Las demas

operaciones no se pueden hacer.
2. 2 El resultado de a) es
39 20
,
120 99
mientras que b) no puede hacerse.
2. 3 B y D son cuadradas, B es triangular superior y B y C son escalonadas.

12 3
2. 4 a) 4 5 .
4 1

7 6 5
b) 2 1 3 .
7 3 7

5 4 1
c) 0 1 1 .
1 1 1

9 8 19
d) 2 0 0 .
32 9 25

14 36 25
e) 4 1 7 .
12 26 21

2 18 21
f) .
4 12 10

4 3
g) 12 15 .
16 14
2. 5 El agricultor gana 700 euros en peras y 1200 euros en manzanas.
2. 6 a) AB 6= BA, de hecho AB es de orden 3 3 y BA es 2 2.

1 1 9
b) En efecto, (AB)t = 8 2 22 = Bt At .
10 5 15
2. 7 a) Fabrica A: ano 2006, 500 Kg; ano 2007, 900 Kg; ano 2008, 1200 Kg.
Fabrica B: ano 2006, 550 Kg; ano 2007, 725 Kg; ano 2008, 1050 Kg.
b) Fabrica A: plasticos, 430 Kg; otros residuos, 570 Kg.
Fabrica B: plasticos, 385 Kg; otros residuos, 540 Kg.
2. 8 Por ejemplo
1 0 0 0
A= , B= .
0 0 0 1
68 Soluciones de los ejercicios del tema 2
2. 9 A no tiene inversa por tener determinante igual a cero, mientras que B si tiene y su inversa es

1 2 7
B1 = 0 1 2 .
0 0 1

1/4 1/2
2. 10 a) .
1/8 5/4

7/3 26/9
b) .
2/3 2/9

2 0
c) .
7 2
2. 11 Basta comprobar que AAt = At A = I3 .
2. 12 A es de rango 2, B es de rango 1, C de rango 3 y D de rango 3.
2. 13 13 = 14, 34 = 6, 21 = 2 y |D| = 0.
2. 14 A es de rango 3 y B es de rango 2.
2. 15 El valor de los determinantes es 30, 8, 11 y 0, respectivamente.
2. 16 A es de rango 2 si t = 19/7, y de rango 3 en cualquier otro caso. B y C son siempre de rango 3.

D es de rango 1 si t = 4 y de rango 2 para cualquier otro valor de t. Por ultimo E es de rango 3
excepto si t = 3 o t = 1/2, en cuyo caso es de rango 2.
2. 17 La afirmacion es falsa; basta elegir A = B = I2 .
2. 18 a) y d) no son lineales, mientras que b) y c) si lo son. Sus matrices de coeficientes y ampliada,

respectivamente, son:

1 1 2 1 1 2 0

b) 0 1 1 y 0 1 1 35 .

1 2 3 1 2 3 2009

1 3 2 1 3 2 0

c) 2 0 sen(2)

y 2 0 sen(2)
35 .

1 1 3 1 1 3 0
2. 19 a) x = 1, y = 1, z = 3 , t = .
b) x = 3, y = 3 , z = , t = .
c) x = 8 + 10 , y = , z = .
2. 20 2000 kilos de tipo A y 3000 kilos de tipo B.
2. 21 Obtendremos el resultado siempre que mezclemos 7 partes del lquido a por 10 partes del b.
2. 22 Se necesitan 10 litros de X, 5 litros de Y y 12 litros de Z.
2. 23 Se necesitan 22/3 libras de X, 4 libras de Y y 2/3 libras de Z.
2. 24 a) es SCD, b) es SI, y c) y d) son SCI.
2. 25 a) x = 1, y = 3, z = 1.
Soluciones de los ejercicios del tema 2 69
c) x = 2 , y = 2 + 2, z = .
d) x = 157/11 + 17/11, y = 26/11 3/11, z = 6/11 /11, t = .
2. 26 a) es SI.
b) es SCI y su solucion es x = 5/3 7/3, y = 8/3 + 2/3, z = 2/3 + 4/3 , s = , t = .
2. 27 El sistema es SCI para cualquier valor del parametro k.
2. 28 a) Si a = 3 el sistema es SI.
3a3 5a 4
Si a 6= 3 el sistema es SCD y su solucion es x = a+3 , y= a+3 , z = a+3 .
b) Si a = 1, SI.
Si a = 0, SCI y su solucion es x = 1, y = , z = 1.
4a1 1 1
Si a 6= 0 y a 6= 1, el sistema es SCD y su solucion es x = a1 , y= 1a , z= a1 .
c) Si a = 8, el sistema es SI.
Si a = 3, el sistema es SCI y su solucion es x = 3/8 + 2/8, y = 3/8 + 2/8, z = .
2 2 2
Si a 6= 8 y a 6= 3, el sistema es SCD y su solucion es x = a+8 , y = a+8 , z = a+8 .
d) Si a = 0, el sistema es SI.
Si a = 1 el sistema es SCI y su solucion es x = 1 , y = , z = 1.
Si a = 1 el sistema es SCI y su solucion es x = 32 ( 1), y = 21 ( + 1), z = .
2 2a
Si a 6= 0, a 6= 1 y a 6= 1, el sistema es SCD y su solucion es x = a+8 , y = 0, z = a .
e) Si a = 2, el sistema es SI.
Si a = 1, el sistema es SCI y su solucion es x = 1 , y = , z = .
1 a2 +2a+1
Si a 6= 1 y a 6= 2, el sistema es SCD y su solucion es x = a+1
a+2 , y = a+2 , z = a+2 .
f) Si a 6= 2 y a 6= 3 el sistema es SI.
Si a = 2, el sistema es SCI y su solucion es x = 47 (2 + 1), y = 27 ( + 4), z = .
Si a = 3, el sistema es SCD y su solucion es x = 1, y = 0, z = 1.
2. 29 El numero es el 876.
2. 30 Se necesitan 750 gramos de SL 24-4-8, 1000 gramos de SL 21-7-12 y 11000/17 gramos de SL
17-0-0.
2. 31 La parabola es y = x2 5x + 6.
2. 32 Se pueden construir 10 3n almacenes, 4 n pisos y n torres, donde n puede ser 0, 1, 2 o 3.
2. 33 a) x = 1, y = 2, z = 1.
b) x = 3, y = 1, z = 2.
c) x = 3/7, y = 4/7, z = .
d) x = 1, y = 2, z = , w = .
e) x = 16/17, y = 7/17, z = 3/17.
f) x = 1/6 /12, y = 5/6 17/12, z = 1/3 2/3, w = .
2. 34 Los unicos que son de Cramer son a) y b).
2. 35 Usar que 2
x1 x1 1
2
x x3 1 = (x1 x2 )(x1 x3 )(x2 x3 ).
2
x 2 x3 1
2
70 Soluciones de los ejercicios del tema 2
2. 36 Azufre 32, nitrogeno 14 y fluor 19.
2. 37 El polinomio es p(x) = x2 2x + 2.
2. 38 a) Si a + b 6= c, el sistema es SI.
Si a + b = c, el sistema es SCI y su solucion es x = b , y = 2b + c , z = .
b) Si a2 = 3, el sistema es SI.
Si a2 6= 3, el sistema es SCD y su solucion es x = 78 aa4 10 2a8
2 3 , y = 7 + a2 3 , z =
a4
a2 3
.
c) Si a 6= 10, el sistema es SI.
Si a = 10, el sistema es SCI y su solucion es x = 3 + 2, y = 1 , z = .
d) Si a 6= 4, el sistema es SI.
Si a = 4, el sistema es SCI y su solucion es x = 8 18 + 11 , y = 3 + 7 4 , z = ,
u = .
e) Si a = 0 o a = 3, el sistema es SI.
a5 a+5 a5
Si a 6= 0 y a 6= 3, el sistema es SCD y su solucion es x = a3 , y= a(a3) , z= a(a3) .
f) Si a = 2, el sistema es SI.
Si a = 1, el sistema es SCI y su solucion es x = 1 , y = , z = .
1 1 a2 +2a+1
Si a 6= 2 y a 6= 1, el sistema es SCD y su solucion es x = a+2 1, y = a+2 , z= a+2 .
g) Si a = 1, el sistema es SCI y su solucion es x = , y = , z = 0.
Si a 6= 1, el sistema es SCD y su solucion es x = 0, y = 0, z = 0.
h) Si a = 3 o a = 5, el sistema es SI.
2a a(a1)
Si a 6= 3 y a 6= 5, el sistema es SCD y su solucion es x = (a+3)(a5) , y= (a+3)(a5) ,
2a
z = (a+3)(a5) .
i) Si a 6= 1, el sistema es SI.
Si a = 1, el sistema es SCD y su solucion es x = 2, y = 1, z = 0.

Matrices, Determinantes y Sistemas de Ecuaciones Lineales: Tema 2

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Matrices, Determinantes y Sistemas de Ecuaciones Lineales: Tema 2

Încărcat de

Drepturi de autor:

Formate disponibile

Tema 2

Matrices, determinantes y sistemas de ecuaciones

T1. 50 por ciento de nitrogeno y 50 por ciento de oxgeno.

0,5 x + 0,8 y + 0,6 z de nitrogeno,

El conjunto de ecuaciones anterior es un caso particular de los llamados sistemas de ecuaciones

Definicion 19 (Sistema de ecuaciones lineales)

donde n y m son numeros naturales y ai j es un numero real para cada i = 1, . . . , n, j = 1, . . . , m.

2.1.1 Definiciones y ejemplos

En el ejemplo anterior, la matriz traspuesta de

Definicion 23 (Matriz simetrica y antisimetrica)

no responden a ninguno de los dos tipos.

Definicion 24 (Matrices cuadradas, diagonales y triangulares)

2.1.2 Operaciones con matrices

Definicion 25 (Matriz suma)

Ejemplo 1 : En el ejemplo anterior, la suma de A y C es

Ejemplo 3 : Las matrices

(IV) Conmutativa de la suma: A + B = B + A.

Producto por numeros

Definicion 26 (Producto de un numero y una matriz)

(II) Pseudoasociativa: ( )A = (A).

Definicion 27 (Producto de un vector fila y un vector columna)

donde hemos llamado ai a los elementos de A y bi a los de B.

Definicion 28 (Producto de dos matrices)

Definicion 29 (Matriz identidad)

La matriz identidad de orden 3 es

(II) Elemento neutro: Si A es una matriz n m, entonces AIm = A, In A = A.

(III) Distributivas: A(B +C) = AB + AC; (A + B)C = AC + BC.

2.1.3 Transformaciones elementales. Rango de una matriz

Entre las matrices:

Definicion 32 (Transformaciones elementales por filas de una matriz)

1. Intercambiar la posicion de dos filas.

2. Multiplicar una fila por un numero real distinto de cero.

Veamos en un ejemplo como se hace.

Siguiendo con el ejemplo anterior, el rango de la matriz

Como calcular el rango de una matriz

Calculemos el rango de la matriz

Haciendo transformaciones elementales de la matriz

que tiene rango dos. En consecuencia el rango de la matriz A es rg(A) = 2.

2.2.1 Definiciones y propiedades

Definicion 34 (Determinantes de ordenes uno, dos y tres)

2. El determinante de una matriz 2 2 es:

3. El determinante de una matriz 3 3 es:

La formula anterior se conoce como Regla de Sarrus.

Definicion 35 (Menor adjunto de una matriz)

El signo (1)i+ j en la definicion anterior se suele recordar mediante la regla:

Definicion 36 (Determinante de una matriz cuadrada)

1. Si elegimos la i-esima fila, |A| = ai1 i1 + . . . + ain in .

2. Si elegimos la j-esima columna, |A| = a1 j 1 j + . . . + an j n j .

Un modo de calcular el determinante de la matriz A del ejemplo anterior es hacer el desarrollo de

|A| = a41 41 + a42 42 + a43 43 + a44 44

(IV) Si A tiene una fila de ceros entonces |A| = 0.

(V) Si dos filas de A son iguales o proporcionales entonces |A| = 0.

Ejemplo 1 : El determinante de la matriz nula es cero.

Ejemplo 2 : El determinante de la matriz identidad es uno.

2.2.2 Rango de una matriz y determinantes

1. Existe S submatriz cuadrada de A de orden k con |S| 6= 0,

2. Si S0 es cualquier submatriz cuadrada de A de orden mayor que k, entonces |S0 | = 0.

Calculo del rango de una matriz mediante determinantes

Calculemos el rango de la matriz

luego, por el teorema anterior, tenemos rg(A) = 2.

Calculemos el rango de la matriz

luego, por el teorema anterior, tenemos rg(A) = 3.

2.2.3 Inversa de una matriz y determinantes

Ejemplo 1 : Consideremos el sistema

Ejemplo 2 : Para el sistema