UNIVERSIDAD AUTONÓMA DE SANTO DOMINGO

(UASD)

CENTRO UNIVERSITARIO REGIONAL DE SANTIAGO

(CURSA)

EL SIGUIENTE MATERIAL ESTÁ TOMADO DE:

“APUNTES DE LA CÁTEDRA DE LA ASIGNATURA ALGEBRA SUPERIOR
(MAT-230), PARA LOS ESTUDIANTES DE GRADO DE LA UNIVERSIDAD
AUTÓNOMA DE SANTO DOMINGO, UASD” DEL PROFESOR
TOMÁS NAVARRO.

“CURSO DE ÁLGEBRA SUPERIOR” DE LOS PROFESORES TULIO MATEO

DUVAL Y ROSA DE PEÑA OLIVARES

ADAPTADO Y COMPLEMENTADO POR GENARO VIÑAS

PARA LA ASIGNATURA:

ALGEBRA SUPERIOR (MAT-230)

CONTIENE:

n
UNIDAD 1: ESPACIO VECTORIAL. VECTORES DE R

UNIDAD 2: TEORIA GENARAL DE LOS POLINOMIOS

UNIDAD 3: TEORÍA DE ECUACIONES POLINÓMICAS

UNIDAD 4: MATRICES
UNIDAD 5: SISTEMAS DE ECUACIONES LINEALES (SEL)

UNIDAD 6: MATRICES INVERTIBLES

UNIDAD 7: DETERMINANTES
 Alfabeto Griego

Mayúsculas Minúsculas Nombre

  Alfa
  Beta
  Gama
  Delta
  Epsilón
  Zita
  Ita
  Thita
  Iota
  Kapa
  Lamda
  Mi
  Ni
  Xi
  Omicrón
  Pi
  Ro
  Sigma
  Tau
  Ípsilon
  Fi
  Khi
  Psi
  Omega

Página 1
UNIDAD I: ESPACIO VECTORIAL

1. Conjuntos Numéricos:

1.1. Números Naturales  :

Los números naturales son los números que se usan para contar los elementos de un
conjunto. Reciben ese nombre porque son los primeros que surgen en las distintas
civilizaciones y que utilizó el ser humano para contar objetos, ya que las tareas de
contar y de ordenar son las más elementales que se pueden realizar en el tratamiento de
las cantidades. El conjunto de los números naturales se representa por  y corresponde
a   1, 2, 3, 4, 5, ...

Históricamente el cero no se consideraba número natural porque no tenía una

representación natural: cero dedos, cero vacas, etc. podrían considerarse puros
constructos mentales. Por eso ha existido una controversia acerca de la inclusión del
cero dentro de este conjunto. De ahí que no exista acuerdo en la literatura y coexistan
definiciones contradictorias de los números naturales. De hecho, algunos matemáticos
(especialmente los de la Teoría de Números) prefieren no reconocer el cero como un
número natural; otros, especialmente los de Teoría de conjuntos, Lógica e Informática,
sostienen la postura opuesta.

1.1.1. Propiedades de los Números Naturales:

1. Es un conjunto ordenado; es decir, entre sus elementos podemos establecer la

relación de orden “menor que”, “mayor que” o “igual a” (<, > =).

2. A todo número natural siempre le sigue otro número natural.

3. El conjunto de los números naturales es infinito, es decir, no hay un último número

natural.

4. Entre dos números naturales consecutivos no existe ningún otro número natural.

Página 2
5. las operaciones internas en el conjunto de los números naturales son la suma y la
multiplicación, ya que siempre que se sume o se multipliquen dos números naturales el
resultado es otro número natural.

1.2. Números Enteros  :

El conjunto de los números enteros es una extensión de los números naturales que
surgió por la necesidad de plantear cualquier tipo de sustracción (resta). Con los
números naturales no podemos efectuar restas donde el minuendo es menor que el
sustraendo, (por ejemplo 5 – 9). Los números enteros resuelven este problema y con
ellos podemos efectuar cualquier resta.

El conjunto de los números enteros se representa por  y corresponde a

   El conjunto de los números enteros están formado por

 0 los enteros positivos   que son los mismos naturales,
 el cero y los enteros negativos  .


1.2.1. Propiedades de los Números Enteros:

Los números enteros poseen las mismas propiedades de los naturales y además de la
suma y la multiplicación, la resta es una operación interna en este conjunto.

1.3. Números Racionales  :

Al dividir un número entero entre otro entero el resultado no siempre es un entero (por
3
ejemplo 3 ÷ 5 = 0.6 = ). Por esta razón hubo la necesidad de extender el conjunto 
5
de forma que se pudieran realizar todo tipo de divisiones (donde el divisor es diferente
de cero). Este nuevo conjunto es el de los números racionales que se representa por 

p 
y se define como:    tal que p, q  , q  0  . Es decir, un número es
q 

Página 3
racional si se puede expresar como el cociente indicado de dos números enteros, o sea
en forma de fracción.

Enteros ()
 Fracciones
Decimales periódi cos

1.3.1. Propiedades de los Números Racionales:

1. Es un conjunto ordenado e infinito.

2. Es un conjunto denso, esto significa que entre dos números racionales cualesquiera
siempre podemos encontrar infinitos números racionales.

3. Las operaciones internas en el conjunto de los números racionales son la suma, la

resta y la multiplicación. La división es interna si no tomamos en cuenta el cero, ya que
la división entre cero no está definida.

1.4. Números Irracionales ' :

Hay otros números que no pueden expresarse como el cociente de dos enteros, es decir,
no son racionales. Estos forman el conjunto de los Números Irracionales. A este
conjunto pertenecen las raíces inexactas ( 2 , 3 4, 4 3 , etc.), los decimales infinitos NO
periódicos y algunos números trascendentes como π, e, etc.

1.5. Números Reales :

La unión de los números racionales y los irracionales da origen a otro conjunto
numérico, los reales, es decir:     '

1.5.1. Propiedades de los Números Reales:

1. Es un conjunto ordenado e infinito.

Página 4
2. Es un conjunto denso, esto significa que entre dos números reales cualesquiera
siempre podemos encontrar infinitos números reales.

3. Las operaciones internas en el conjunto de los números reales son la suma, la resta y
la multiplicación. La división es interna si no tomamos en cuenta el cero, ya que la
división entre cero no está definida.

1.6. Propiedades de las Operaciones con Números Reales:

Las operaciones con números reales cumplen las siguientes propiedades:

(en cada caso a, b y c son números reales)

1. Ley uniforme, de cerradura o clausurativa (operación interna): esta propiedad se

cumple para las operaciones que dado dos números reales el resultado de la operación
a
también es un número real. a  b , a  b , a .b  y a  b   , siendo
b
b  0 . Esto significa que la suma, la resta, la multiplicación y la división (si el divisor
no es cero) son operaciones internas en los reales.

2. Conmutativa: esta propiedad se cumple para las operaciones donde no importa el

orden en que se efectúan. Por ejemplo, en la suma y la multiplicación, no importa el
orden en que se realice la operación el resultado no cambia. Esto es: a  b  b  a y
a.b  b. a . Por eso la suma y la multiplicación cumplen la propiedad conmutativa. La
resta y la división no cumplen esta propiedad.

3. Asociativa: esta propiedad se cumple para las operaciones donde no importa la

forma en que se asocien dos a dos los números que se operan. En la suma y la
multiplicación, no importa la forma como se asocien dos a dos los sumandos o los
factores, el resultado no cambia. Esto es: (a  b)  c  a  (b  c) y (a.b).c  a.(b.c) .
Por eso la suma y la multiplicación cumplen la propiedad asociativa. La resta y la
división no.

Página 5
4. Identidad o elemento neutro: todo número real que se sume con cero o se
multiplique por uno (1) da como resultado el mismo número. Esto es: a  0  0  a  a

y a .(1)  (1).a  a . Por eso el cero es la identidad o elemento neutro para la suma y
el uno para la multiplicación.

5. Simétrico o inverso:

a) Inverso aditivo u opuesto: siempre que se suma un número real con su opuesto
el resultado es el elemento neutro de la suma (cero); es decir,
a  (a )  a  a  0

b) Inverso multiplicativo o recíproco: siempre que se multiplica un número real,

diferente de cero, por su recíproco el resultado es el elemento neutro de la
1 a
multiplicación (1); es decir, a . a  a  1 siendo a ≠ 0.

6. Distributiva:

a) De la multiplicación respecto a la suma y la resta: la multiplicación distribuye

a la suma y a la resta. Esto es

a .(b  c)  a .b  a .c distributiva por la derecha y

(b  c). a  b. a  c. a distributiva por la izquierda.

b) De la división respecto a la suma y la resta: la división distribuye a la suma y

a la resta, pero sólo por la izquierda. Esto es

bc b c
(b  c)  a  b  a  c  a o   .
a a a

c) De la potenciación con respecto a la multiplicación y la división: la

potenciación distribuye a la multiplicación y a la división. Esto es

n
 a   a , b  0.
n
(ab)  a b
n n n
y b
  bn

Página 6
 d) De la radicación con respecto a la multiplicación y la división: la radicación
distribuye a la multiplicación y a la división. Esto es

a na
n ab  n a n b y n  .
b nb

Nota: Es importante tomar en cuenta que la potenciación y radicación no distribuyen a

la suma y la resta por lo que

( a  b) n  a n  b n y n a b  n a  n b

1.7. Números Complejos  :

Los números reales no resultaron ser suficientes para resolver todos los problemas que
se presentaban en el mundo matemático. Por ejemplo, si queremos resolver la ecuación
x 2  1  0 vemos que x 2  1 , lo que implica que x   1 . Como ya sabemos,
n
a  b  bn  a , entonces cuál número real elevado al cuadrado da –1. Ese número no
existe en los reales ya que ningún número real elevado al cuadrado da como resultado
un número negativo, por lo tanto este tipo de ecuaciones nunca se podrían resolver en
los números reales.

Debido a esta dificultad no se podía encontrar la raíz de índice par a un número

negativo. Es decir, con los números reales no se puede encontrar 25, 4
16, 6
64 .

Para poder resolver este problema se crea un nuevo símbolo i  1 llamado unidad
imaginaria, el cual satisface que i 2  1. Esto permite calcular la raíz de índice par a un
número negativo, ya que por ejemplo, 25  (1)(25)  (25) (1)  5i .

A partir de la unidad imaginaria también se crean expresiones de la forma a  bi en

donde " a " y "b " son números reales y se da origen a un nuevo conjunto numérico
denominado Números Complejos.

En la expresión a  bi , a es la parte real y bi la parte imaginaria.

Página 7
Los números complejos constituyen una ampliación de los números reales. Todo
número real puede escribirse como a  0i y todo imaginario como 0  bi .

El siguiente esquema relaciona todos los conjuntos numéricos:

 Naturales
 Enteros Cero
-1 Enteros negativos

 Racionales Fraccionarios
 Reales
Decimales periódicos
 Complejos ' Irracionales

Imaginarios

2. Campo o Cuerpo Numérico:

Definición:
Un conjunto no vacío K en el que se han definido dos operaciones binarias  y  es
un cuerpo o campo numérico si se cumplen las siguientes propiedades:

1. a, b  K ; (a  b)  K ; es decir, la operación  es interna o cerrada en K.

2. a, b, c  K ; (a  b)  c  a  (b  c) ; es decir, la operación  es asociativa.

3. a, b  K ; a  b  b  a ; es decir, la operación  es conmutativa.

4. e  K tal que a  K , a  e  e  a  a ; es decir, existe el elemento neutro de  en K

5. a  K ,   a  K ; tal que a  (a)  a  a  e ; es decir, existe el elemento simétrico de

 en K .

6. a, b  K ; (a  b)  K ; es decir, la operación  es interna o cerrada en K.

7. a, b, c  K ; (a  b)  c  a  (b  c) ; es decir, la operación  es asociativa.

8. a, b  K ; a  b  b  a ; es decir, la operación  es conmutativa.

9. e  K tal que a  K , a  e  e  a  a ; es decir, existe el elemento neutro de  en K .

Página 8
10. a  K , a  e, a 1  K ; tal que a  a 1  a 1  a  e ; es decir, existe el elemento
simétrico de  para todos los elementos diferentes del elemento neutro de  en K .

11. a, b, c  K ; a  (b  c)  a  b  a  c ; es decir, la operación  es distributiva

con respecto a la operación  .

Si se cumplen todas las propiedades, la estructura  K , ,   se denomina campo o

cuerpo numérico y los elementos de K son llamados escalares o simplemente números.

Ejemplo:

Si K   (el conjunto de los números racionales) y ,  las operaciones usuales de

suma y multiplicación en  , entonces (, ,.) forman un campo numérico, ya que se
cumplen las propiedades requeridas:

1. a, b  ; (a  b)   . La suma es interna o cerrada en  .

2. a, b, c  ; (a  b)  c  a  (b  c) . . La suma es asociativa en  .

3. a, b  ; a  b  b  a . La suma es conmutativa en  .

4.  0   tal que a  , a  0  0  a  a . Existe el elemento neutro para la suma en 

que es el cero.

5. a  ;   a   tal que a  (a)  a  a  0 . Existe el elemento simétrico (opuesto

o inverso aditivo) para la suma en  .

6. a, b  ; a.b   . La multiplicación es interna o cerrada en  .

7. a, b, c  ; (a.b).c  a.(b.c) . La multiplicación es asociativa en  .

8. a, b  ; a .b  b . a ; La multiplicación es conmutativa en  .

9.  1  tal que a  , a.(1)  1.a  a . Existe el elemento neutro (1) para la

multiplicación en  .

1 1 1
10. a  ; a  0  a 1    tal que a.  .a  1. Existe el elemento simétrico
a a a
(recíproco o inverso multiplicativo) para la multiplicación en  .

Página 9
11. a, b, c  ; a.(b  c)  a.b  a.c . La multiplicación es distributiva con respecto a la
suma en  .

En conclusión, el conjunto de los números racionales con las operaciones de suma y

multiplicación (, ,.) forman un campo numérico.

Además de  , ,  , las estructuras  , ,  y  , ,  constituyen cuerpos o campos

numéricos.

EJERCICIOS PROPUESTOS

I- Indique a cuál o cuáles conjuntos pertenece cada número marcando con una X.

Número/ N Z Q Q R
Conjunto
18

-52

9

3
4
0.87

7
2
1.01232323…

3.14

3
27

4
16

100

 5
2

Página 10
 II. Clasifique en verdaderas o falsas las siguientes proposiciones

1. ______ Todo número entero es racional 2. ______ N  Z  Q  R

3. ______Todo número entero es natural 4. ______ N  Z  Q

5. ______ Hay números racionales y reales a la vez 6. ______ Q  Q   R

7. ______ Hay números racionales e irracionales a la vez 8. ______ Z  Q  Z

9._______ ( x  y)2  x 2  y 2 10.______ 14  2 7

 3
2
11. _______ 13  9  4 12. ______ 3

13. ______ a  (b  c)  (b  c)  a ejemplifica la propiedad asociativa de la suma

3. Espacio Vectorial:

Definición:
Un conjunto no vacío V junto con dos operaciones  y  , suma vectorial y
multiplicación por escalar respectivamente, forman un espacio vectorial sobre un
campo numérico K si se satisfacen las siguientes propiedades:

1. u, v V ; u  v V ; es decir, que la operación  es interna en V.

2. u, v V ; u  v  v  u ; es decir, que la operación  sea conmutativa.

3. u, v, w V , (u  v)  w  u  (v  w) ; es decir, que la operación  sea asociativa.

4. e V tal que u V , u  e  e  u  u ; es decir, que exista la identidad de  en V.

5. u V ,  u V tal que , u  u  u  u  e ; es decir, que exista el elemento

simétrico de  en V.

6. u V  h  K , h  u V ; es decir, al operar un elemento de K con un

elemento de V el resultado es un elemento de V.

7. u V  h, k  K , (h.k )  u  h  (k  u) ; es decir, que la operación  de dos

elementos de K por un elemento de V es asociativa.

Página 11
8. u, v V  h  K , h  (u  v)  h  u  h  v ; es decir, la operación  es
distributiva con respecto a  .

9. u V  h, k  K , (h  k )  u  h  u  k  u ; es decir, la operación  es

distributiva con respecto a la suma de escalares.

10. e  K tal que u V , e  u  u  e  u ; es decir, existe el elemento neutro para

la operación  de un elemento de V por uno de K.

Si se cumplen todas las propiedades la estructura V , , , K  constituye un Espacio

Vectorial y los elementos de V son llamados vectores.

4. Vectores en  n :

4.1. Definición de puntos en el espacio n-dimensional:

Para representar un punto en una recta, cuando se ha seleccionado la unidad de

longitud, podemos utilizar un número real x.

0 x Y

Para representar un punto en el plano podemos utilizar y . P(x, y)

un par de números (x, y). El conjunto de todos esto

puntos constituye el plano XY. x X

Z
Para representar un punto en el espacio podemos
P (x, y, z)
z
utilizar una terna de números (x, y, z). El
conjunto de todos esto puntos constituye el
espacio XYZ.
. y Y

x
Para los espacios donde n es mayor que 3 ya no
X
podemos tener una representación gráfica. Cada
punto se define a partir de una n-upla ordenada de números reales  x1 , x2 , x3 ,..., xn  .

Página 12
4.2. Vectores en  2 y  3 :

4.2.1. Segmento de recta dirigido:

Sean P y Q dos puntos del plano, entonces al segmento de recta que va desde P hasta Q

se le denomina segmento de recta dirigido de P a Q y de denota por PQ , siendo P el
punto inicial y Q el punto final.
 
Es importante destacar que los segmentos de recta dirigidos PQ y QP son diferentes
ya que tienen sentido opuesto.

Y
.
Q( x2 , y2 )
Y
.
Q ( x2 , y2 )

.P ( x1 , y1 )
X
.
P ( x1 , y1 )
X
 
Segmento de recta dirigido PQ Segmento de recta dirigido QP

 
Si dos segmentos de recta dirigidos PQ y RS tienen la
misma magnitud, dirección y sentido se dice que son
equivalentes sin importar en donde se localicen respecto
al origen.

Los segmentos de rectas dirigidos de la gráfica de la

derecha son equivalentes porque tienen la misma
magnitud, dirección y sentido.

4.2.2. Definición de vector:

Desde el punto de vista geométrico, al conjunto de todos los segmentos de rectas

dirigidos equivalentes se le llama vector y a cualquiera de ellos se le denomina una
representación del vector.

Si P y Q son dos puntos del plano tales que P  ( x1 , y1 ) y Q  ( x2 , y2 ) entonces el


segmento de recta dirigido de P a Q define el vector PQ  ( x2  x1 , y2  y1 ) .
Página 13
Si P y Q son dos puntos del espacio tales que P  ( x1 , y1, z1 ) y Q  ( x2 , y2 , z2 ) entonces

el segmento de recta dirigido de P a Q define el vector PQ  ( x2  x1 , y2  y1 , z2  z1 ) .

Dado el segmento de recta dirigido PQ podemos tener un

segmento equivalente 0R con punto inicial en el origen.

Entonces si R  ( x, y) , 0 R  ( x  0, y  0)  ( x, y) y la
representación del vector se puede hacer mediante un par
ordenado ( x, y) de números reales.

A estos vectores, que tienen su origen en el sistema de coordenadas, son a los que en
Física se les denomina vectores aplicados en el origen. Aquí estudiaremos este tipo de
vectores por la significación algebraica que tienen.

De esta forma identificaremos a todo par ordenado ( x, y) de números reales como un

vector en el plano y al conjunto de todos ellos lo denominaremos  2 . Es decir,

 x    2  ( x, y) / x, y   .

De igual forma identificaremos a toda terna ordenada ( x, y , z ) de números reales como

un vector en el espacio y al conjunto de todos ellos lo denominaremos  3 . Es decir,

 x  x   3  ( x, y, z ) / x, y, z   .

4.3. Vectores en  n :

Esta idea que hemos analizado para  2 y  3 la podemos generalizar para espacios de
n dimensiones.

Un vector en  es una n-upla ordenada  x1 , x2 , x3 ,..., xn  de números reales. Es decir,

n

 x  x ... x    n   x1 , x2 , x3 ,..., xn  / x1 , x2 , x3 ,..., xn   . A los números

x1 , x2 , x3 ,..., xn se les llama componentes del vector.

Cuando n  3 se pierde toda intuición geométrica y los razonamientos deben hacerse de

forma puramente algebraica, aun así es útil conservar en algunas cuestiones el lenguaje
geométrico aunque esté desprovisto de toda significación concreta.
Página 14
Ejemplos de vectores:

1) v  (2,3) es un vector de  .
2
2) v  (1,0, 2) es un vector de  3 .
3) v  (1, 1,3,5) es un vector de  4 . 4) v  (2,0,1,4,3,2,1) es un vector de  7 .

4.3.1. Vector Cero o Vector Nulo:

El vector que tiene todas sus componentes iguales a cero se denomina vector cero o
vector nulo. Lo representaremos por 0Rn para diferenciarlo del número 0.

Ejemplo: 0R2  (0,0), 0R3  (0,0,0), 0R4  (0,0,0,0), 0Rn  (0,0,0,...,0) .

4.3.2. Vector unidad Ei :

Es el vector que una de sus componentes xi es uno (1) y las demás son todas cero.

Ejemplos: En 2 : E1  (1,0) E2  (0,1) .

En 3 : E1  (1,0,0) E2  (0,1,0) E3  (0,0,1) .

En 4 : E1  (1,0,0,0) E2  (0,1,0,0) E3  (0,0,1,0) E4  (0,0,0,1) .

4.3.3. Igualdad de Vectores:

Dos vectores u y v son iguales si sus respectivas componentes son iguales. Es decir, si
u  ( x1, x2 , x3 , ..., xn ) y v  ( y1, y2 , y3 , ..., yn ) , entonces u  v si y solo si x1  y1 ,
x2  y2 , x3  y3 , ..., xn  yn .

Ejemplo: Si u  1, x, y  3, 5  y v   z , 4,  2, w  , entonces u  v si y solo si

x  4, y  3  2  y  5, z  1 y w  5 .

4.3.3.1. Propiedades de la Igualdad de Vectores:

Para todo u , v, w  Rn se cumple que:

u  u , propiedad reflexiva

Si u  v  v  u , propiedad simétrica

Si u  v  v  w  u  w , propiedad transitiva

Página 15
4.3.4. Vector Opuesto:
Sea u  ( x1 , x2 , x3 , ..., xn ) un vector de  n , entonces se llama vector opuesto de u que se
escribe – u al vector u  ( x1 ,  x2 ,  x3 , ...,  xn ) .

4.4. Operaciones con Vectores:

4.4.1. Suma o Adición:

Sean u  ( x1 , x2 , x3 , ..., xn ) y v  ( y1, y2 , y3 , ..., yn) vectores de  n , entonces se define la
suma de u  v  ( x1  y1 , x2  y2 , x3  y3 , ..., xn  yn ) .

Ejemplo: Sean u  (1, 3,2,0, 7) y v  (3,4, 2, 3,5) vectores de 5 , entonces
u  v  1  3,  3  4, 2  (2), 0  (3), 7  5    4, 1, 0,  3,  2  .

En  2 y 3 la suma de vectores podemos

representarla gráficamente con lo que se denomina el
método del paralelogramo, como se muestra en el
gráfico de la derecha.

Basta con dibujar uno de los vectores sumando y a partir del

punto final del mismo dibujar el otro vector con la misma
magnitud, dirección y sentido. De esa manera se forma un
paralelogramo y la suma es la longitud de la diagonal del mimo.
La gráfica de la izquierda representa la suma de dos vectores de
2 :

u  (2,3) y v  (5,1)  u  v  (2,3)  (5,1)  (7,4).

4.4.2. Resta o diferencia:

Para restar vectores se suma el vector minuendo con el opuesto del vector sustraendo.
Sean u  ( x1, x2 , x3 , ..., xn ) y v  ( y1, y2 , y3 , ..., yn) vectores de  n , entonces
u  v  u  (v)  ( x1  y1, x2  y2 , x3  y3 , ..., xn  yn ) .

Página 16
Ejemplo: Sean u  (4, 1,0, 5) y v  (1, 2,4, 3) vectores de  4 , entonces

u  v  u  (v )   4, 1, 0,  5    1, 2,  4, 3 

  4  (1),  1  2, 0  (4),  5  3   3,1, 4, 2 .

Gráficamente, la resta se representa dibujando el vector diferencia desde el punto final

del vector sustraendo hasta el punto final del vector minuendo como se observa en la
gráfica A. La gráfica B muestra la resta como la suma del opuesto del sustraendo
u  v  u  (v) .

Y Y

u-v u  v  u  (v)
v v
u
u X
X u  (v)
-v

Gráfica A
Gráfica B

4.4.3. Multiplicación de un Vector por un Escalar:

Sean u  ( x1 , x2 , x3 , ..., xn ) un vector de n y h un escalar; es decir, h el

producto de h.u es un vector de  y se define como:

n

h. u  h.( x1 , x2 , x3 , ..., xn )  (h.x1 , h.x2 , h.x3 , ..., h.xn )

Ejemplo: Sean u   4, 1,0, 5  un vector de  4 y h  3 , entonces

3u  3  4, 1,0, 5    3(4),3( 1),3(0),3( 5)   12,  3, 0,  15 

4.4.3.1. Vectores Asociados:

Dos vectores u y v son asociados si existe un escalar h tal que u  h.v o v  h.u .

Ejemplo: Los vectores u  (2, 1,3, 4) y v  (6,  3, 9, 12) son vectores asociados ya
que v  3u o u  1 v .
3

Página 17
 n
4.5. Demostración de que  constituye un espacio vectorial:

n
Hasta ahora hemos venido hablando de vectores en  , pero para poder llamar
n
vectores a sus elementos hay que demostrar que  constituye un Espacio Vectorial.

n
A continuación demostraremos que  con la suma y el producto por escalar que
hemos definido constituye un Espacio Vectorial en el Campo de los números reales. Es
decir, sea V   , K   , la suma vectorial  y el producto por escalar  son las
n

n
usuales (+, .) de  .

Demostración:

Sean u   x1 , x2 , x3 ,..., xn  , v   y1 , y2 , y3 ,..., yn  y w  ( z1 , z2 , z3 ,..., zn ) vectores de  y

n

h, k   , entonces probemos si se cumplen todas las propiedades necesarias para que

 n sea un espacio vectorial.

1) u  v   x1, x2 , x3 ,..., xn    y1, y2 , y3 ,..., yn    x1  y1, x2  y2 , x3  y3 ,..., xn  yn    n

La suma es interna o cerrada en  n .

2) u  v   x1 , x2 , x3 ,..., xn    y1 , y2 , y3 ,..., yn    x1  y1 , x2  y2 , x3  y3 ,..., xn  yn 

  y1  x1 , y2  x2 , y3  x3 ,..., yn  xn   v  u
n
La suma de vectores en  es conmutativa.

3) (u  v)  w   x1 , x2 , x3 ,..., xn    y1 , y2 , y3 ,..., yn    ( z1 , z2 , z3 ,..., zn )

  x1  y1, x2  y2 , x3  y3 ,..., xn  xn   ( z1 , z2 , z3 ,..., zn )

  x1  y1 )  z1,( x2  y2 )  z2 ,( x3  y3 )  z3 ,...,( xn  yn   zn 

  x1  ( y1  z1 ), x2  ( y2  z2 ), x3  ( y3  z3 ),..., xn  ( yn  zn ) 
 ( x1, x2 , x3 ,..., xn )   y1  z1, y2  z2 , y3  z3 ,..., yn  zn 
 u  (v  w)

n
La suma de vectores en  es asociativa.

Página 18
4)  0R   tal que u   u  0R  0R  u  u
n n
n n n

u  0R   x1 , x2 , x3 ,..., xn    0, 0, 0,...,0    x1  0, x2  0, x3  0,..., xn  0 

n

  x1 , x2 , x3 ,..., xn   u

El vector 0Rn  (0,0,0,...,0)   n es la identidad o neutro para la suma en  n .

5) u     u   tal que u  (u )  (u )  u  0R

n n
n

u  (u )   x1 , x2 , x3 ,..., xn     x1 ,  x2 ,  x3 ,...,  xn 

  x1  x1 , x2  x2 , x3  x3 ,..., xn  xn    0,0,0,...,0   0R n

El vector u    x1 ,  x2 ,  x3 ,...,  xn    es el opuesto o inverso aditivo de u.

n

6). h.u  h. x1 , x2 , x3 ,..., xn    hx1 , hx2 , hx3 ,..., hxn    . El resultado de multiplicar un
n

n n
escalar por un vector de  es una vector de  .

7) (h.k ).u  h.(k .u )

(h.k ).u  (h.k ). x1, x2 , x3 ,..., xn   (h.k ).x1, (h.k ).x2 , (h.k ).x3 ,..., (h.k ).xn 
  h.(k .x1 ), h.(k .x2 ), h.(k .x3 ),..., h.(k .xn ) 
 h. k .x1, k .x2 , k .x3 ,..., k .xn 
 h.(k .u )
n
La multiplicación de dos escalares por un vector es asociativa en  .

8) h.(u  v)  h.u  h.v

h.(u  v)  h.  x1 , x2 , x3 ,..., xn    y1 , y2 , y3 ,..., yn  

 h. x1  y1, x2  y2 , x3  y3 ,..., xn  yn 

  h.( x1  y1 ), h.( x2  y2 ), h.( x3  y3 ),..., h.( xn  yn ) 
  h.x1  h. y1 , h.x2  h. y2 , h.x3  h. y3 ,..., h.xn  h. yn 
  h.x1 , h.x2 , h.x3 ,..., h.xn    h. y1, h. y2 , h. y3 ,..., h. yn 
 h. x1 , x2 , x3 ,..., xn   h. y1 , y2 , y3 ,..., yn 
 h.u  h.v
Página 19
Se cumple la propiedad distributiva de la multiplicación de un escalar por la suma de
vectores.

9) (h  k ).u  h.u  k .u
(h  k ).u  (h  k ).u  (h  k ). x1, x2 , x3 ,..., xn 
  (h  k ).x1 , (h  k ).x2 , (h  k ).x3 ,..., (h  k ).xn 
  h.x1  k .x1 , h.x2  k .x2 , h.x3  k .x3 ,..., h.xn  k .xn 
  h.x1, h.x2 , h.x3 ,..., h.xn    k .x1, k .x2 , k .x3 ,..., k.xn 
 h. x1, x2 , x3 ,..., xn   k . x1, x2 , x3 ,..., xn 
 h.u  k .u
Se cumple la propiedad distributiva de la suma de dos escalares por un vector.

10) 1.u  u
1.u  1. x1, x2 , x3 ,..., xn   1.x1,1.x2 ,1.x3 ,...,1.xn 
 . x1, x2 , x3 ,..., xn   u

El uno (1) es la identidad o elemento neutro para la multiplicación por escalar.

n
Por tanto, como se cumplen las diez propiedades  con la suma y el producto por
escalar forman un espacio vectorial en el campo de los números reales.

n
4.6. Producto Escalar o Producto Interno de dos Vectores en  :

n
Sean u y v vectores de  se llama producto escalar de u y v al escalar que se
obtiene con la sumatoria de los productos de las componentes correspondientes de los
vectores u y v.

Es decir, si u   x1 , x2 , x3 ,..., xn  y v   y1 , y2 , y3 ,..., yn  vectores de  , entonces el

n

producto escalar de u y v está dado por:

n
u.v   x1 , x2 , x3 ,..., xn  .  y1 , y2 , y3 ,..., yn    xi yi  x1 y1  x2 y2  x3 y3  ...  xn yn .
i 1

Página 20
Es importante destacar que el producto escalar no es un vector sino un número y
además sólo está definido entre vectores del mismo espacio; es decir, que tengan la
misma cantidad de componentes.

Ejemplos: Sean los vectores u  (2, 1,0,3), v  (1,  3,  1, 2) y w  (4,1, 3) ,

determinar:

1) u .v  (2, 1,0,3).(1,  3,  1, 2)  2(1)  1(3)  0(1)  3(2)  2  3  0  6  11.

2) u . w  (2, 1,0,3).(4,1, 3) no está definido ya que u   y w   .

4 3

4.6.1. Propiedades del Producto Escalar:

n
Si u, v y w son vectores de  y h un escalar, entonces:

1) u . v  v. u , el producto escalar es conmutativo.

2) (u  v). w  u . w  v . w , el producto escalar distribuye la suma vectorial.

3) u .(hv)  h(u . v) , el producto de un escalar y el producto escalar de dos vectores

es asociativo.

4) u . u  0 y u . u  0 si y solo si u  0Rn , el producto escalar de un vector por

el mismo es no negativo.

n
4.7. Norma, Longitud o Tamaño de un vector en  :

Sea u   x1 , x2 , x3 ,..., xn  , entonces la norma, longitud o módulo de u, que se escribe

n
u , es el valor u   x1 , x2 , x3 ,..., xn   x
i 1
2
i  x12  x2 2  x32  ...  xn 2 . Esta

expresión es equivalente a u  u .u , o sea que la norma de un vector u es igual a la

raíz cuadrada del producto escalar de u por él mismo.

Ejemplos:
1- Hallar la norma del vector u   3, 4  .

u   3   4   9  16  25  5
2 2

Página 21
2- Hallar la norma del vector v   2, 3,1 .

v   2   3  1  4  9  1  14
2 2 2

3- Hallar el valor de “x” tal que la norma del vector w   3, x, 4  , sea igual a 5
unidades.

Tenemos que w  5 y como w   3  x 2   4   9  x 2  16

2 2

w  x 2  25 luego tenemos que x 2  25  5 .

Elevando al cuadrado ambos lados de x 2  25  5 obtenemos:

   5  x  25  25  x
2
x 2  25 2 2 2
 25  25  x  0

4.7.1. Propiedades de la Norma:

1- La norma de un vector siempre es positiva o cero; siendo cero si y sólo si el vector es

nulo. Es decir, u  0  u  0 si y solo si u  0 Rn

2- La norma de de la suma de dos vectores es menor o igual a la suma de las normas de

los vectores sumandos. Es decir u  v  u  v . Esta es la llamada desigualdad

triangular.

Ejemplo: Sean u   2,3,1 y v  1, 2, 4  compruebe que u  v  u  v .

u   2    3  1  4  9  1  14 . v  1   2    4   1  4  16  21 .
2 2 2 2 2 2

u  v   2,3,1  1, 2,4    3,1,5   3  1  5  9  1  25  35 .

2 2 2

Como 35  5.9  14  21  8.3 se concluye que u  v  u  v .

Página 22
3- La norma del producto de un escalar por un vector es igual al valor absoluto del
escalar por la norma del vector; es decir, hu  h u

Demostración

Sea u   x1 , x2 , x3 ,..., xn  y “h” un escalar tenemos que:

h.u  h.  x1 , x2 , x3 ,..., xn    h.x1 , h.x2 , h.x3 ,..., h.xn 

  h.x1    h.x2    h.x3   ...   h.xn 

2 2 2 2

 h 2 .x12  h 2 .x2 2  h 2 .x32  ...  h 2 .xn 2  h 2 x12  x2 2  x32  ...  xn 2

h u

4.- La norma al cuadrado de un vector es igual al producto escalar del vector por él
 u.u
2
mismo. Es decir, u

Demostración
Sea u   x1 , x2 , x3 ,..., xn  , entonces

 
2
u  x12  x2 2  x32  ...  xn 2  x12  x2 2  x32  ...  xn 2 .
2

u.u   x1 , x2 , x3 ,..., xn  .  x1 , x2 , x3 ,..., xn   x12  x2 2  x32  ...  xn 2 .

 u.u
2
Por lo tanto u

4.7.2. Vector Unitario:

Un vector es unitario si su norma es igual a la unidad. Es decir, si u  1, entonces u

es un vector unitario.

3 4
Ejemplo: Pruebe si el vector u   ,  es un vector unitario.
5 5
2 2
3  4 9 16 25
u          1  1.
   
5 5 25 25 25
Por lo tanto u es un vector unitario.

Página 23
4.7.3. Vector Unitario en la Dirección de otro Vector Dado:
u 1
Si u es un vector diferente del vector nulo, entonces el vector v   u define el
u u
vector unitario en la dirección de u.

Ejemplo: Hallar el vector unitario en la dirección del vector u   3, 2, 4  .

1 1 1  3 2 4 
v u  3, 2, 4    3, 2, 4    , , 
u 9  4  16 29  29 29 29 

4.8. Ángulos Directores de un Vector: Z

z
Son los ángulos que forma el vector con cada uno P(x,y,z)
de los ejes del sistema de referencia. La gráfica de du

la derecha muestra los ángulos directores   y
Y
 ,  ,   del vector u   x, y, z  en  3 X x

4.8.1. Cosenos Directores:

Son los cosenos de los ángulos directores de un vector dado. Para el vector mostrado en
la gráfica anterior los cosenos directores son: cos , cos  , cos  .

Para este caso los cosenos directores los podemos calcular de la siguiente manera:
x y z
cos   , cos   , cos   .
u u u

Como ya vimos antes, un vector unitario en la dirección del vector u se obtiene

u ( x, y , z )  x y z 
v    , ,  , por lo que las componentes del vector unitario en la
u u  u u u 
dirección de u definen los cosenos directores de u.

Ejemplo: Hallar los cosenos directores del vector u   3, 2, 4  .

Ya en un ejemplo anterior habíamos hallado el vector unitario en la dirección de

Página 24
  3 2 4 
u   3, 2, 4  que es v   , ,  , por lo tanto los cosenos directores son:
 29 29 29 
x 3 y 2 z 4
cos    , cos    , cos    .
u 29 u 29 u 29

Aunque el ejemplo mostrado corresponde a un caso particular de  3 podemos hacer la

generalización para  n . Entonces si u   x1 , x2 , x3 ,..., xn  tenemos que sus cosenos

x1 x x x
directores son: cos 1  , cos  2  2 , cos  3  3 , ... , c os  n  n .
u u u u

4.9. Ángulos entre dos Vectores:

Sean u y v dos vectores diferentes del vector nulo, entonces el ángulo  entre u y v está
u.v  u.v 
definido por cos      cos 1   , 0     .
u v  u v 
u.v
A partir de la expresión cos   podemos despejar u.v  u v cos  y obtener
u v
otra forma para calcular el producto escalar.

Ejemplo: Calcule el ángulo  entre los vectores u  1, 2,1 y v   2,3, 4  .

cos  
u.v

1, 2,1 . 2,3, 4 
u v 12  22  12 22  32  (4) 2

264 4 4
  
1  4  1 4  9  16 6 29 174

4  4 
cos      cos  1    1.263 radianes
174  174 

4.9.1. Vectores Ortogonales:

Dos vectores u y v de  n diferentes del vector nulo son ortogonales si su producto

escalar es cero. Es decir, si u.v  0 , entonces u y v son ortogonales.

Página 25
 0 
Si u.v  0 significa que cos    0    cos 1 (0)   90 , por lo tanto se
u v 2
puede establecer relación entre ortogonalidad y perpendicularidad.

Ejemplos:

1) Pruebe si u   4,3, 5  y v   2, 4, 4  son ortogonales.

Para que sean ortogonales se debe cumplir que u . v  0 .

u . v   4,3, 5  .  2, 4, 4   8  12  20  0 por lo tanto u y v son ortogonales.

2) Determine el valor de x tal que u   2, 1, 3 y v   x, 5, x  2  sean ortogonales.

u . v   2,1, 3  .  x,5, x  2   0
2 x  5  3( x  2)  0
2 x  5  3x  6  0
 x  11  0
x  11

4.9.2. Vectores Paralelos:

Dos vectores u y v de  n son paralelos si u .v  u v . Es decir, si el valor absoluto

de su producto escalar es igual al producto de sus normas.

u.v
Si u .v  u v , entonces la expresión cos    1    cos 1  1 .
u v

  cos1 (1)  0 o   cos 1 (1)   . Por lo que podemos concluir que dos
vectores son paralelos si el ángulo entre ellos es 0 o π. Esto significa que están en la
misma dirección.

Teorema 4.9.2.1:

Si dos vectores u y v de  n son asociados; es decir, uno es múltiplo del otro, entonces
son paralelos.
Página 26
Demostración:

Sean u y v vectores de  n tales que v  hu para algún h  R . Esto significa que si

u  ( x1 , x2 , x3 , ..., xn ), entonces v  (hx1 , hx2 , hx3 , ..., hxn ). Demostraremos ahora que
bajo estas condiciones se cumple que u .v  u v .

Calcularemos por separado cada lado de la igualdad.

u.v  ( x1 , x2 , x3 , ..., xn ).( hx1 , hx2 , hx3 , ..., hxn )

 hx12  hx2 2  hx32  ...  hxn 2  h ( x12  x2 2  x32  ...  xn 2 )  h u

2

u v  x12  x2 2  x32  ...  xn 2  hx1    hx2    hx3   ...   hxn 

2 2 2 2

 x12  x2 2  x32  ...  xn 2 h 2  x12  x2 2  x32  ...  xn 2 

 
2
h x  x2  x3  ...  xn h u
2 2 2 2 2
1

Como u.v  h u  u v se concluye que si dos vectores son asociados entonces

son paralelos.

Ejemplos:

1) Sean u   2, 3, 1,1 y v   4, 6, 2, 2  donde v  2u , pruebe que se cumple el

Teorema 4.9.2.1

u.v  u v

 2, 3, 1,1 .  4, 6, 2, 2    2, 3, 1,1  4, 6, 2, 2 

8  18  2  2  22   3   1  12 42   6    2   2 2
2 2 2 2

30  4  9  1  1 16  36  4  4

30  15 60

30  900
30  30

Página 27
2) Halle un vector paralelo a u   3,4, 7  cuya segunda componente sea igual a 12.

Tenemos que un vector v es paralelo a u si son asociados; es decir, si v  hu para

algún h  R . Sea v   a,12, b  el vector asociado a u, entonces  a,12, b   h  3,4, 7 

lo que implica que  a,12, b    3h,4h, 7 h  de donde, por la igualdad de vectores,

obtenemos las siguientes ecuaciones:

a  3h, 12  4h, b  7h

4h 12
Despejando h de 12  4h obtenemos   h  3.
4 4
Luego a  3h  3(3)  9 y b  7h  7(3)  21. Entonces el vector paralelo a u es

v   9,12, 21 .

4.10. Proyección de un Vector Sobre otro Vector:

Sean u y v vectores de  n diferentes de 0Rn , entonces la proyección del vector u sobre

u .v u .v
el vector v denotado por Proyv u , se define por Proyv u  2 v  v.
v v .v

Ejemplo: Sean los vectores u  1, 3, 1 y v   2, 3, 1 determine Proyv u .

u .v 1, 3, 1. 2, 3, 1 2, 3, 1  2  9  1 2, 3, 1

2   2  
Proyv u  2v
v

(2)  3  1
2 2 2
 4  9  1  
 2, 3, 1   2, 3, 1   2, 3, 1   
6 6 3 6 9 3
 , , 
 14   7 7
2
14 7 7

En  2 o  3 la proyección de un vector
sobre otro se puede ver gráficamente así:

Proyv u

Página 28
4.10.1. Componente de un Vector en la Dirección de otro Vector:
u .v
Al escalar que resulta de calcular se le llama la componente del vector u en la
v
 u.v 
dirección del vector v.  Compv u  
 v 

El valor absoluto de la componente de un vector u en la dirección de un vector v no

u .v u .v
es más que la norma del vector proyección; es decir,  Proyv u  2
v .
v v

u .v u .v u .v u .v u .v
Veamos: Proyv u  2
v  2
v  2
v   .
v v v v v

Ejemplo: Ya en el ejemplo anterior calculamos Proyv u para u  1, 3, 1 y

 6 9 3
v   2, 3, 1 y obtuvimos Proyv u    , ,  , determine la componente del vector
 7 7 7
u .v
u en la dirección del vector v y compruebe que  Proyv u .
v

u . v 1, 3, 1 . 2, 3, 1 2  9  1 6

Primero calcularemos     1.6  1.6 .
v (2)  3  1
2 2 2
4  9  1 14

Ahora calculamos Proyv u :

2 2 2
 6 9 3  6 9 3 36 81 9 126 3 14
Proyv u    , ,                  1.6
 7 7 7  7 7 7 49 49 49 49 7
u .v
Por lo tanto se comprueba que  Proyv u .
v

Teorema 4.10.1:

Sean u y v vectores de  n diferentes de 0 R n , entonces v y u  Proyv u  son vectores

 u .v 
ortogonales. Es decir  u  2 v  . v  0
 v 


Página 29
Demostración:

Al aplicar propiedades del producto escalar y de la norma obtenemos:

 u .v   u .v   u .v   u .v 
 u  2 v  .v  u . v   2 v  .v  u .v   2 (v.v)   u .v   2 v
 v   v   v   v   2
  u .v  u .v  0

      

Y la prueba queda hecha.

u .v
u 2
v
v

En  2 o  3 podemos verlo
gráficamente así: u .v
Proyv u  2
v
v

Ejemplo: Sean u  1, 3, 1 y v  (2,  1, 0) , calcule:

1) Proyv u

u .v 1, 3, 1  2,  1, 0  2,  1, 0  2  3  0 2,  1, 0
Proyv u  v    
v
2
 2,  1, 0  2,  1, 0  4 1 0

1 2 1
  2,  1, 0    , , 0 
5  5 5 

2) u  Proyv u

 2 1   7 14 
u  Proyv u  1, 3, 1   , , 0    , ,  1
 5 5  5 5 

3) Confirme que se cumple el teorema anterior (Teorema 4.10.1), comprobando que

que v y u  Proyv u  son vectores ortogonales.

Para esto comprobamos que v  u  Proyv u   0

 7 14  14 14
(2,  1, 0)   , ,  1    0  0 . Queda comprobado.
5 5  5 5

Página 30
EJERCICIOS PROPUESTOS

I- Sean u, v y e vectores de R 4 y h, k son números reales, analice cada expresión y

complete.
1) Si u + e = u, entonces e es ________________________________

2) Si u + v = (0,0,0,0), entonces u y v son ________________________

3) Si u = kv, entonces u y v son ________________________

4) Si u . v = 0, entonces u y v son ________________________

5) k(u + v) = ____________________________

6) (h+k)u = ____________________________

7) Si u  1 , entonces u es un vector _____________________

8) Si el ángulo  entre u y v es cero o π, entonces u y v son _______________

II- Siendo u, v, w vectores de R n y h, k son números reales, Determine el valor de

verdad de las siguientes proposiciones (V, F). En caso de ser verdadera diga la
propiedad que se aplica.

1) _____ (u  v)  w  u  (v  w)

2) _____ u  v  R n

3) _____ h  k  Rn

4) _____ u  (v)  u

5) _____ h(u  v)  hu  hv

6) _____ (u  v)  w  w  (v  u)

Página 31
III- Dado los vectores v1  (2, 5,3,0); v2  (1,7, 4,3); v3  (2,2,1, 3); v4  (2,5,1) y
v5  (2, 1,0) determine lo que se le pide a continuación, siempre que sea posible

1) Efectúe
a) 3v1  v2 =

b) v1  2v2  v3 =

c) v1  v4 =

d) v4  v5 =

e) v2  v5 =

f) v3 =

g) v1  (v2  v3 ) =

2) Halle el vector w de modo que:

a) w  v2  v1  v3

b) 3w  v1  2v2  5v3

c) w  2v1  3v2  v3  (0,0,0,0)

IV- Dado los vectores u  (2, 1,2) y v  (1,4, 5) :

1) Halle el vector w unitario con la misma dirección del vector u.

2) Determine los cosenos directores y los ángulos directores del vector u.

3) Halle el ángulo  entre los vectores u y v.

4) Si w  (3, x,1) , ¿cuál tiene que ser el valor de x para que los vectores w y v
sean ortogonales?

5) Escriba un vector que sea paralelo a u y su tercera componente sea igual a 1.

6) Determine:

a) Proyv u .

b) Proyu v .

c) La componente de u en la dirección de v.
Página 32
UNIDAD 2: TEORIA GENERAL DE LOS POLINOMIOS

1. Polinomios:

1.1. Definición de Polinomio:

Un polinomio es una función y  f ( x) que se puede expresar en la forma:

f ( x)  an x n  an1 x n1  an2 x n2  ...  a2 x 2  a1 x  a0

Donde an , an1 , an 2 , ..., a2 , a1 , a0 son constantes reales denominadas coeficientes y

n es un número entero no negativo.

Ejemplos:

1) f ( x)  3x 4  5 x 3  4 x 2  x  7 es un polinomio en la variable x cuyos coeficientes

son 3, 5, –4, 1 y –7.

2) P( x)  4 x  2 x  3x  3x  5 es un polinomio en la variable x cuyos

3 5 1 3 2 2

coeficientes son 3 ,  1 , 3, 3,  2 .
4 2 5

Los siguientes no son polinomios

1) Q( x)  2 x 3  7 x 2  5 x 2  x 3  9 no es un polinomio ya que hay exponentes

negativos.

1 3 2
2) R( x)  x 2
 3x 5  4 x 3  5 no es un polinomio ya que hay exponentes que no son
enteros

Algunos polinomios tienen nombres especiales:

Monomios: si contienen un solo término. Ejemplo: f ( x)  6 x 3 .

Binomios: si contienen dos términos. Ejemplo: f ( x )  x 2  5 .

Trinomios: si contienen tres términos. Ejemplo: f ( x)  x 2  3 x  2 .

Página 33
1.2. Polinomio Ordenado:

Un polinomio se dice que está ordenado cuando sus términos están escritos de modo
que aparecen ordenadas las potencias de la variable. Este orden puede ser creciente o
ascendente, ejemplo f ( x)  9  3 x  8 x 2  2 x 3  5 x 4  3 x 6 . Y decreciente o descendente,

ejemplo f ( x)  x 5  3x 4  5 x 3  7 x 2  3x  2 .

1.3. Polinomio Completo:

Es el polinomio cuyos coeficientes son todos diferentes de cero, es decir, que no tiene
coeficiente nulo.

Ejemplo: P  x   x5  5 x 4  7 x3  4 x 2  11x  4 .

1.4. Polinomio Incompleto:

Es aquel polinomio que posee por lo menos un coeficiente nulo.

Ejemplo: P  x   x7  4 x3  6 x 2  2  x7  0 x6  0 x5  0 x 4  4 x3  6 x 2  0 x  2 .

1.5. Grado de un Término:

Es el exponente que afecta a la variable en cada término.

Ejemplo: 4x3 es un término de tercer grado, 4x es un término de primer grado.

1.6. Grado de un Polinomio:

Es el mayor exponente que afecta la variable en el polinomio.

Ejemplos: 1) P  x   x 2  5 x3  7 x  4 x 6  11 es un polinomio de 6to. Grado

2) P  x   x5  5x 4  7 x3  4 x 2  11x  4 es un polinomio de 5to. Grado.

1.7. Término Principal de un Polinomio:

Es el término que contiene a la potencia más alta de la variable que define el grado del
polinomio y cuyo coeficiente es diferente de cero denominado coeficiente principal.

Página 34
Ejemplos: 1) Si P  x   x 2  5x 3  7 x  4x 6  11 el término principal es 4x 6 y su
coeficiente principal es 4.

2) Si P  x   x5  5x 4  7 x3  4 x 2  11x  4 el término principal es x 5 y su coeficiente

principal es 1.

Todo polinomio de grado " n " posee " n  1" término, contando aquellos con coeficientes
nulos si los hay.

1.8. Polinomio Mónico o Normal:

El polinomio Mónico o normal es aquel cuyo coeficiente principal es la unidad (1).

Ejemplo: P  x   x5  3x 4  7 x3  5 x  11 .

1.9. Término Independiente:

El término a0 se llama término independiente porque su valor no depende de la

variable. Este término es de grado cero.

1.10. Términos Semejantes:

Dos términos son semejantes si tienen la misma variable elevada al mismo exponente.
Ejemplo: Los términos 3x 4 ,  5 x 4 , x 4 , 2
x 4 son semejantes.
3

1.11. Polinomio Constante:

El polinomio constante es el formado solo por el término independiente.

Ejemplo P ( x )  23 .

1.12. Forma Vectorial de un Polinomio:

El polinomio P  x   an x n  an1x n1  an2 x n2  ...  a2 x 2  a1x  a0 se puede expresar en

forma vectorial escribiendo sus coeficientes en forma ascendente, estos es
P  x   ( a0 , a1 , a2 , ..., an2 , an1 , an ) .

Página 35
Ejemplo: Exprese el polinomio P  x   x 6  2 x 4  8x3  3x 2  4 en forma vectorial.

Como P  x   x 6  0 x 5  2 x 4  8 x 3  3x 2  0 x  4  4  0 x  3x 2  8 x 3  2 x 4  0 x 5  1x 6 , la
forma vectorial de P  x  es (4, 0,  3,  8, 2, 0, 1) .

1.13. Polinomio Nulo:

Es aquel cuyos coeficientes son todos iguales a cero. Se representa por P  x   0 . El

polinomio nulo no tiene grado.

1.14. Polinomios Iguales:

Dos polinomios del mismo grado son iguales si los coeficientes de los términos
semejantes son iguales. Si P  x   an x n  an1x n1  an2 x n2  ...  a2 x 2  a1x  a0 y

Q  x   bn x n  bn1x n1  bn2 x n2  ...  b2 x 2  b1 x  b0 , decimos que P x  Q x si y

sólo si an  bn , an1  bn1 , , a2  b2 , a1  b1 , a0  b0 . Es decir, ai  bi para 0  i  n .

Ejemplos: 1) Determine el valor de a, b, c, d de tal manera que hagan que los

polinomios P  x   4 x3  7 x 2  8 x  6 y Q  x   ax3  bx 2  cx  d sean iguales.

Tenemos que P  x   Q  x  si y solo si a  4; b  7; c  8 y d  6 .

2) Determine el valor de A, B, C para que los polinomios P  x   x 2  7 x  3 y

Q  x   A  x  3  B  x 2  x   C sean iguales.

Desarrollando las operaciones en Q  x  tenemos que:

Q  x   Ax  3 A  Bx 2  Bx  C  Bx 2   A  B  x   3 A  C 

Luego tenemos que:

B 1 A  8

A  B  7  A  7  B  7 1 8 La solución es: B  1
3 A  C  3  C  3  3 A  3  3 8   21 C  21


Página 36
1.15. Polinomios Opuestos:

Dos polinomios del mismo grado son opuestos si los coeficientes de los términos
semejantes son opuestos. Si P  x   an x n  an1x n1  an2 x n2  ...  a2 x 2  a1x  a0 y

Q  x   bn x n  bn1x n1  bn2 x n2  ...  b2 x 2  b1 x  b0 , decimos que P  x  y Q  x  son

opuestos si y sólo si ai  bi para 0  i  n . Es decir, P  x   Q ( x) .

Ejemplo: Los polinomios P  x   x3  3x 2  7 x  9 y Q  x    x3  3x 2  7 x  9 son

opuestos; es decir, P  x   Q ( x) .

1.16. Valor Numérico de un Polinomio:

Es el valor que toma el polinomio cuando se le asigna un valor determinado a la

variable y se resuelven las operaciones algebraicas indicadas.

Ejemplo: Sea P  x   x 4  2 x3  3x 2  5 x  4 hallar el valor numérico de P  x  para

x  0, x  1, x  1 y x  2

Solución: P  0   (0)4  2(0)3  3(0)2  5(0)  4  0  2(0)  3(0)  5(0)  4   4

P 1  (1) 4  2(1)3  3(1)2  5(1)  4  1  2(1)  3(1)  5(1)  4

 1  2  3  5  4  3
P  1  (1) 4  2(1)3  3(1) 2  5( 1)  4  1  2( 1)  3(1)  5( 1)  4
 1  2  3  5  4  9

P  2   (2) 4  2(2)3  3(2) 2  5(2)  4  16  2(8)  3(4)  5(2)  4

 16  16  12  10  4  6

1.17. Raíz o Cero de un Polinomio:

Es el valor de la variable que hace que el valor numérico del polinomio sea igual a cero.
O sea x  a es un cero del polinomio P  x  si P  a   0 .

Ejemplo: Los valores x  1, x  1 y x  2 son raíces o ceros del polinomio

P  x   x3  2 x 2  x  2 porque

Página 37
 P(1)  (1)3  2(1) 2  (1)  2  1  2(1)  1  2  1  2  1  2  0
P(1)  (1)3  2(1) 2  (1)  2  1  2(1)  1  2  1  2  1  2  0
P(2)  (2)3  2(2)2  (2)  2  8  2(4)  2  2  8  8  2  2  0

1.18. Gráfica de un Polinomio:

Para obtener la gráfica de un polinomio se debe definir un conjunto de valores de la

variable y evaluar numéricamente cada uno de esos valores para obtener parejas de
valores (x, ƒ(x)). Esas parejas de valores son coordenadas que determinan la posición de
puntos pertenecientes a la función en el plano cartesiano. Se dibujan los puntos y se
unen con una línea curva continua. La gráfica de todas las funciones polinómicas son
curvas continuas y suaves.

Entre menor sea la diferencia entre los valores tomados de la variable para hacer la
evaluación, más exacta es la gráfica.

Ejemplo. Graficar la función f  x   x 4  2 x3  3x 2  5 x  1 en el intervalo de valores de

−2 a 3 con diferencia de 0.5 entre los valores.

Primero se evalúa numéricamente ƒ(x) para cada uno de los valores de x y se definen las
coordenadas de cada uno de los puntos:

x −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5 3

ƒ(x) 11 −1.4 −4 −1.9 1 2.6 2 0.1 −1 2.6 16

Estos valores han sido aproximados.

y
f  x

Luego de obtenidos los

valores se procede a marcar
los puntos y trazar la gráfica

Página 38
2. Operaciones con Polinomios:

2.1. Producto de un Polinomio por un Escalar:

Sea P  x   an x n  an1x n1  an2 x n2  ...  a2 x 2  a1x  a0 un polinomio definido sobre
un campo K y h  K un escalar diferente de cero, entonces el producto del escalar h
por el polinomio P  x  viene dado por:

h P  x   han x n  han1x n1  han2 x n2  ...  ha2 x 2  ha1x  ha0 .

Ejemplo.: Sea P  x   x 4  3x3  4 x 2  6 x  8 y h  2 ; hallar hP  x  .

hP  x   2 P  x   2( x 4 )  2(3x3 )  2(4 x 2 )  2(6 x)  2(8)  2 x 4  6 x3  8 x 2  12 x  16

2.2. Polinomios Asociados:

Sean P  x  y Q ( x) polinomios definidos sobre un campo K, se dice que Q ( x ) es un

polinomio asociado a P( x) si se cumple que Q ( x)  hP  x  siendo h un elemento no

nulo (h  0) del campo K.

Si h  1, entonces los polinomios Q ( x) y hP  x  son opuestos ya que

Q ( x)  ( 1) P  x    P  x  .

2.3. Suma de Polinomios:

Sean P  x  y Q  x  dos polinomios definidos sobre un campo K, entonces la suma de

P  x   Q  x  es el polinomio que resulta de sumar los términos semejantes de
P x y Q x .

Ejemplo: Hallar la suma de P  x   x5  x 2  4 x  7 y Q  x   x3  2 x 2  4 x  10 .

Tenemos que
P  x   Q  x   1  0  x5   0  0  x 4   0  1 x3  1  2  x 2   4  4  x   7  10 
 x5  x3  3x 2  8 x  3

Página 39
Una manera práctica de sumar polinomios es colocarlos de modo que aparezcan en
columna los coeficientes de una misma potencia de la variable y bastará con sumar
algebraicamente dichos coeficientes. Para el caso anterior podemos proceder así:

x5  x2  4x  7
x3  2 x 2  4 x  10
x5  x3  3x 2  8 x  3

2.4. Resta de Polinomios:

Sean P  x  y Q  x  dos polinomios definidos sobre un campo K, entonces la resta o

diferencia de P( x)  Q( x) es el polinomio que resulta de sumar P( x) al opuesto de
Q ( x ) . Esto es P ( x)  Q ( x)  P ( x )   Q ( x )  .

Ejemplo: Hallar la resta de P  x   x 4  5 x3  8 x  1 y Q  x   2 x3  7 x 2  x  13 .

Tenemos que

P  x   Q  x   P  x    Q  x     x 4  5 x 3  8 x  1     2 x 3  7 x 2  x  13 

  x 4  5 x3  8 x  1  (2 x3  7 x 2  x  13)
 1  0  x 4   5  2  x3   0  7  x 2   8  1 x   1  13 
 x 4  7 x3  7 x 2  7 x  12

2.5. El Espacio Vectorial de los Polinomios de Grado Menor o Igual que n:

Sea Pn el conjunto de todos los polinomios de grado menor o igual que n, vamos a
demostrar que Pn con las operaciones de suma entre polinomios y multiplicación por un
escalar, tal como hemos definido, constituyen un Espacio Vectorial en el campo de los
números reales.

Demostración

Sean F ( x), P  x  y Q  x  polinomios de grado menor o igual que n, tales que

Página 40
F  x   a0  a1 x  a2 x 2  ...  an x n

P  x   b0  b1 x  b2 x 2  ...  bn x n

Q  x   c0  c1 x  c2 x 2  ...  cn x n

Siendo ai , bi , ci  R . Y sean h, k  R . Se verifica que:

1) F  x   P  x    a0  a1 x  a2 x 2  ...  an x n    b0  b1x  b2 x 2  ...  bn x n 

  a0  b0    a1  b1  x   a2  b2  x 2  ...   an  bn  x n

Por lo que F  x   P  x  es también un polinomio de grado menor o igual que n y se

cumple la propiedad de cerradura o ley uniforme para la suma.

2) F  x   P  x    a0  a1 x  a2 x 2  ...  an x n    b0  b1x  b2 x 2  ...  bn x n 

  a0  b0    a1  b1  x   a2  b2  x 2  ...   an  bn  x n

  b0  a0    b1  a1  x   b2  a2  x 2  ...   bn  an  x n
 P x  F  x

Por lo que se cumple la propiedad conmutativa para la suma.

3)  F  x   P  x    Q( x)   a0  b0    a1  b1  x   a2  b2  x 2  ...   an  bn  x n  

c
0  c1 x  c2 x 2  ...  cn x n 

 
  a0  b0   c0    a1  b1   c1  x   a2  b2   c2  x 2  ...   an  bn   cn  x n

  a   b  c     a   b  c   x   a   b  c   x  ...   a   b  c   x 
0 0 0 1 1 1 2 2 2
2
n n n
n

  a  a x   a x  ...  a x    b  c    b  c  x   b  c  x  ...   b  c  x 

0 1 2
2
n
n
0 0 1 1 2 2
2
n n
n

 F  x    P  x   Q ( x ) 

Por lo que se cumple la propiedad asociativa para la suma.

Página 41
4) F  x   0   a0  a1x  a2 x 2  ...  an x n   0  a0  a1x  a2 x 2  ...  an x n  F ( x )

Por lo que existe el elemento neutro para la suma de polinomios que es el polinomio
nulo.

5) F  x     F  x     a0  a1 x  a2 x 2  ...  an x n    a0  a1x  a2 x 2  ...  an x n 

  a0  a0    a1  a1  x   a2  a2  x 2  ...   an  an  x n  0

Por lo que existe el inverso aditivo u opuesto en la suma de polinomios.

6) hF  x   h  a0  a1x  a2 x 2  ...  an x n   ha0  ha1x  ha2 x 2  ...  han x n

Por lo que h F  x  es también un polinomio de grado menor o igual que n y se cumple la

propiedad de cerradura o ley uniforme para la multiplicación por un escalar.

7) (h k ) F  x    hk   a0  a1 x  a2 x 2  ...  an x n    hk  a0   hk  a1 x   hk  a2 x 2  ...   hk  an x n

 h(ka0 )  h(ka1 ) x  h(ka2 ) x 2  ...  h( kan ) x n

 h  kF  x  

Por lo que se cumple la propiedad asociativa del producto de dos escalares por un
polinomio.

8) h  F  x   P( x)   h  a0  b0    a1  b1  x   a2  b2  x 2  ...   an  bn  x n 

 h  a0  b0   h  a1  b1  x  h  a2  b2  x 2  ...  h  an  bn  x n

  ha0  hb0    ha1  hb1  x   ha2  hb2  x 2  ...   han  hbn  x n

  ha0  ha1 x  ha2 x 2  ...  han x n   hb0  hb1x  hb2 x 2  ...  hbn x n

 h F  x   hP( x)

Por lo que se cumple la propiedad distributiva del producto de un escalar respecto a la

suma de polinomios.

Página 42
9) (h  k ) F ( x)  (h  k )  a0  a1 x  a2 x 2  ...  an x n 

  h  k  a0    h  k  a1  x   h  k  a2  x 2  ...   h  k  an  x n

  ha0  ka0    ha1  ka1  x   ha2  ka2  x 2  ...   han  kan  x n

  ha0  ha1 x  ha2 x 2  ...  han x n    ka0  ka1 x  ka2 x 2  ...  kan x n 
 hF ( x)  kF  x 

Por lo que se cumple la propiedad distributiva del producto de un polinomio respecto a

la suma de dos escalares.

10) 1.F  x   1. a0  a1 x  a2 x 2  ...  an x n   1.a0  1.a1x  1.a2 x 2  ...  1.an x n

 a0  a1 x  a2 x 2  ...  an x n  F  x 

Existe el elemento neutro para la multiplicación por un escalar y es el uno (1).

Como se cumplen las 10 propiedades podemos afirmar que Pn , el conjunto de todos

los polinomios de grado menor o igual que n define un espacio vectorial en el campo de
los números reales.

2.6. Multiplicación de Polinomios:

2.6.1. Multiplicación de dos Monomios:

Para multiplicar dos monomios, se multiplican los coeficientes y se suman los

exponentes. O sea  ax bx   abx
n m nm
.

Ejemplo:  3x 2  4 x3   12 x5

2.6.2. Multiplicación de dos Polinomios Cualesquiera:

La multiplicación de polinomios está basada en el método para multiplicar monomios y

la utilización repetida de la propiedad distributiva. Esto es, se multiplica cada término
del polinomio multiplicador por cada uno de los términos del polinomio multiplicando;

Página 43
siendo el polinomio producto la sumatoria de los productos parciales anteriormente
obtenidos y cuyo grado viene dado por la suma de los grados de los polinomios
factores.

Ejemplos:

1) Hallar el producto de P  x   x 2  5 x  4 por Q  x   3 x  2 .

P  x  Q  x    x 2  5 x  4   3x  2   x 2  3x  2   5 x  3x  2   4  3x  2 

 x 2  3 x   x 2  2   5 x  3x   5 x  2   4  3 x   4  2 

 3 x3  2 x 2  15 x 2  10 x  12 x  8

 3 x3  17 x 2  22 x  8

Este proceso se hace un poco largo y podemos simplificarlo un poco si procedemos de

esta forma:

x2  5x  4
3x  2
3 x3  15 x 2  12 x
 2 x 2  10 x  8
3 x3  17 x 2  22 x  8

2) Hallar el producto de P  x   x 2  4 x  3 por Q  x   x 4  5 x3  4 x 2  7 x  2 .

x 4  5 x3  4 x 2  7 x  2
x2  4 x  3
x 6  5 x5  4 x 4  7 x3  2 x 2
4 x5  20 x 4  16 x3  28 x 2  8 x
3 x 4  15 x3  12 x 2  21x  6
x 6  x5  13x 4  6 x3  14 x 2  13x  6

Entonces P( x) Q( x)  x 6  x 5  13x 4  6 x 3  14 x 2  13x  6

Página 44
2.6.3. Propiedades de la Multiplicación de Polinomios:

En la multiplicación de polinomios son válidas las siguientes propiedades:

1) Asociativa  F  x  P  x   Q( x)  F  x   P  x  Q( x )  .

2) Conmutativa F  x  P  x   P ( x) F ( x) .
3) Distributiva con respecto a la suma
F  x   P  x   Q( x)   F  x  P  x   F  x  Q  x  .

4) Elemento neutro F  x 1  F ( x) .

5) Elemento absorbente F  x  0   0 .

2.7. División de Polinomios:

2.7.1. El Cociente Entre dos Monomios:

Para dividir dos monomios se dividen los coeficientes y se restan los exponentes. Es
ax n  a  nm
decir el cociente entre ax n y bx m , b  0 es  x
bx m  b 

8x7
Ejemplo: 5
 2 x2 .
4x

2.7.2. El cociente Entre dos Polinomios:

Siendo F  x  el polinomio de grado n denominado dividendo y f  x  el polinomio de

grado m denominado divisor se define la división entre F  x  y f  x  como:

F  x R x
 Q x  (1)
f  x f  x

Donde Q  x  es el polinomio cociente de grado n – m y R  x  es el polinomio

denominado resto o residuo y es de grado menor que m. Si multiplicamos la expresión
(1) por f  x  obtenemos: F  x   Q  x  f  x   R  x  (2)

Página 45
De esta expresión podemos deducir un método para dividir polinomios ya que a partir
de F  x  y f  x  podemos obtener el cociente y el resto.

Ejemplo:

Hallar el cociente y el resto que resulta de dividir F  x   x5  6 x 4  7 x3  4 x 2  2 x  6

entre f  x   x 2  4 x  3 .

Ya sabemos F  x   Q  x  f  x   R  x  y que el grado de Q  x  es 5 – 2 = 3 por lo que

podemos definir un polinomio Q  x de grado 3 de la siguiente forma:

Q  x   A3 x3  A2 x 2  A1x  A0 .

Como el grado del resto R  x  tiene que ser menor que el grado del divisor f  x  ,

podemos definir un polinomio R  x  de grado 1 de la siguiente forma: R  x   B1 x  B0 .

Entonces si sustituimos en F  x   Q  x  f  x   R  x  obtenemos:

F  x  Q x f  x  R  x
F  x    A3 x3  A2 x 2  A1 x  A0  x 2  4 x  3   B1x  B0 

Primero calculemos  A3 x3  A2 x 2  A1x  A0  x 2  4 x  3 .

A3 x3  A2 x 2  A1 x  A0
x2  4 x  3
A3 x5  A2 x 4  A1 x 3  A0 x 2
4 A3 x 4  4 A2 x3  4 A1 x 2  4 A0 x
3 A3 x3  3 A2 x 2  3 A1 x  3 A0
A3 x5   A2  4 A3  x 4   A1  4 A2  3 A3  x 3   A0  4 A1  3 A2  x 2   4 A0  3 A1  x  3 A0

Ahora sumamos  B1 x  B0  para obtener.

F ( x)  x5  6 x 4  7 x3  4 x 2  2 x  6   A3 x3  A2 x 2  A1x  A0  x 2  4 x  3   B1x  B0 

  A3 x5   A2  4 A3  x 4   A1  4 A2  3 A3  x 3   A0  4 A1  3 A2  x 2   4 A0  3 A1  x  3 A0    B1 x  B0 

 A3 x5   A2  4 A3  x 4   A1  4 A2  3 A3  x 3   A0  4 A1  3 A2  x 2   4 A0  3 A1  B1  x   3 A0  B0 

Página 46
Luego por igualdad de polinomios podemos establecer que:

A3  1

A2  4 A3  6  A2  6  4 A3  5  4(1)  6  4  2

A1  4 A2  3 A3  7  A1  7  4 A2  3 A3  7  4(2)  3(1)  7  8  3  4

A0  4 A1  3 A2  4  A0  4  4 A1  3 A2  4  4(4)  3(2)  4  16  6  6

4 A0  3 A1  B1  2  B1  2  4 A0  3 A1  2  4(6)  3(4)  2  24  12  14

3 A0  B0  6  B0  6  3 A0  6  3(6)  6  18  12

Por lo que: A3  1, A2  2, A1  4, A0  6, B1  14 y B0  12 , entonces el

cociente buscado es Q  x   A3 x3  A2 x 2  A1x  A0  x3  2 x 2  4 x  6 y el resto

R  x   B1 x  B0  14 x  12 .

Este método que hemos utilizado es llamado de coeficientes indeterminados. Ahora

utilizaremos otro método que simplifica mucho el proceso de la división y es el de la
división tradicional.

Este método consiste en ordenar los polinomios dividendo F  x  y divisor f  x  en

forma descendente, si no es completo podemos completar con ceros o dejar el espacio
en blanco. Comenzamos dividiendo el primer término del dividendo F  x  entre el

primer término del divisor f  x  para así obtener el primer término del cociente. Este
término se multiplica por el divisor y se resta del dividendo. El resultado de la resta se
toma como nuevo dividendo y se repite el procedimiento hasta que el dividendo que
resulte tenga grado menor que el divisor.

Ejemplo:

Dividir F  x   4 x 6  3x 4  2 x3  2 entre f  x   x3  2 x 2  x  1.

Como los polinomios están ordenados procedemos a completar el dividendo de la

siguiente manera F  x   4 x6  0 x5  3x 4  2 x3  0 x 2  0 x  2 . Luego se inicia el
proceso de la división.

Página 47
 4 x 6  0 x 5  3 x 4  2 x3  0 x 2  0 x  2 x3  2 x 2  x  1
4 x 6  8 x5  4 x 4  4 x3 4 x3  8 x 2  17 x  44
8 x5  x 4  2 x3  0 x 2  0 x  2
8 x5  16 x 4  8 x3  8 x 2
17 x 4  10 x3  8 x 2  0 x  2 .
17 x 4  34 x3  17 x 2  17 x
44 x3  25 x 2  17 x  2
 44 x3  88 x 2  44 x  44
113x 2  61x  46

Así hemos obtenido el cociente Q ( x)  4 x 3  8 x 2  17 x  44 y el resto

R ( x)  113 x 2  61x  46 de la división.

2.7.3. Método de División Sintética o de Ruffni:

Este método es un proceso abreviado para efectuar la división de un polinomio

cualquiera P  x  entre un binomio de la forma  x  a  basado en los coeficientes
indeterminados. Veamos como funciona:

Sea F  x   A4 x 4  A3 x3  A2 x 2  A1x  A0 un polinomio cualquiera y  x  a  un

binomio, entonces el cociente y el resto vienen definidos por:

F  x R
 Q x  , donde Q  x  es de grado 3 y R es de grado 0; es decir,
 x  a  x  a
una constante. Entonces podemos construir Q  x  de la forma:

Q  x   B3 x3  B2 x 2  B1x  B0

Por definición sabemos que: F  x    x  a  Q  x   R , luego sustituyendo tenemos:

F  x    x  a   B3 x 3  B2 x 2  B1 x  B0   R

 B3 x 4  B2 x3  B1 x 2  B0 x  aB3 x 3  aB2 x 2  aB1 x  aB0  R

 B3 x 4   B2  aB3  x3   B1  aB2  x 2   B0  aB1  x   R  aB0 

Página 48
 Luego por transitividad de la igualdad tenemos que:

A4  B3  B3  A4
A3  B2  aB3  B2  A3  aB3
A2  B1  aB2  B1  A2  aB2
A1  B0  aB1  B0  A1  aB1
A0  R  aB0  R  A0  aB0

Podemos concluir diciendo que para dividir un polinomio P( x) entre un binomio de la

forma  x  a  por la regla de Ruffini se procede de la manera siguiente:

1. Organice el polinomio dividendo de forma descendente y escriba los coeficientes,

con sus signos e incluyendo los ceros, de manera horizontal tal como aparecen en el
polinomio organizado. Tome el opuesto del término independiente del binomio
separado mediante una línea vertical.

A4 A3 A2 A1 A0
a

2. Se toma el coeficiente principal del polinomio dividendo A4 como coeficiente

principal del polinomio cociente B3 .

A4 A3 A2 A1 A0
a B3  A4
B3
3. Se obtiene el siguiente coeficiente del polinomio cociente mediante la suma del
siguiente coeficiente del polinomio dividendo con el producto del opuesto del término
independiente del binomio y el coeficiente del cociente obtenido anteriormente.
A4 A3 A2 A1 A0
a aB3 B2  A3  aB3
B3 B2

Página 49
4. Y así sucesivamente hasta llegar a la última sumatoria la cual representa el resto de
la división.
A4 A3 A2 A1 A0 B1  A2  aB2
a aB3 aB2 aB1 aB0 B0  A1  aB1
B3 B2 B1 B0 R R  A0  aB0

Ejemplos:

1) Hallar el cociente y el resto que resulta de dividir P  x   x5  4 x 4  2 x  6 entre el

binomio  x  2  mediante el uso de la regla de Ruffini.

1 4 0 0 2 6
2 2 12 24 48 92 Q( x)  x 4  6 x 3 12 x 2  24 x  46
1 6 12 24 46 98 R  98

2) Hallar el cociente y el resto que resulta de dividir el polinomio

P  x   x 6  7 x5  13x3  18 x 2  7 x  15 entre el binomio  x  3 mediante el uso de la
regla de Ruffini.

1 7 0  13 18 7  15
3  3  12 36  69 153  480 Q( x)  x5  4 x 4  12 x3  23 x 2  51x  160
1 4  12 23  51 160  495 R  495

2.7.4. Polinomio Degradado:

Es el cociente que resulta de dividir un polinomio P  x  entre un binomio  x  a y

cuyo resto sea igual a cero.

Ejemplo: Dividamos P  x   x3  3x 2  6 x  8 entre  x  1 .

1 3 6 8
1 1 2 8 Q( x)  x 2  2 x  8
1 2 8 0 R0

Página 50
Como el resto es cero, entonces Q( x)  x 2  2 x  8 es un polinomio degradado de
P  x   x3  3x 2  6 x  8 .

2.7.5. Teorema del Resto:

El resto que resulta al dividir un polinomio F  x  entre un binomio de la forma

 x  a  , será siempre igual a F  a  . Es decir, es el valor numérico del polinomio que

resulta de sustituir la variable x por el valor de a.

Demostración:

Sea F  x  un polinomio y  x  a  el binomio, entonces R  F  a  .

F  x R
 Q x  por definición
 x  a  x  a

Hay que destacar que R no depende de x ya que su grado debe ser menor que el del
divisor  x  a  que es de primer grado por lo que R debe ser de grado cero, es decir, un
valor constante.

F  x R
Ahora si multiplicamos ambos miembros de  Q x  por  x  a
 x  a  x  a
tenemos que: F  x    x  a  Q  x   R

Ahora sustituyendo x  a tenemos que:

F a  a  aQ a   R
F  a    0Q  a   R
F a  R

Ejemplo: Determine el resto de dividir F  x   x 4  3x3  5 x 2  2 x  7 entre ( x  2).

Hallamos
F  2   (2)4  3(2)3  5(2)2  2(2)  7  16  3(8)  5(4)  4  7  16  24  20  4  7  23

Por lo tanto R = 23.

Página 51
Observaciones:

1) Si el divisor es  x  a  , como ( x  a )   x  ( a )  , entonces R  F (a) . Es decir, el

resto se obtiene reemplazando x por el opuesto del término independiente del binomio.

Ejemplo:

Determine el resto de dividir F  x   2 x 4  3x3  4 x 2  5 x  1 entre ( x  1) .

Hallamos
F  1  2( 1) 4  3(1)3  4(1) 2  5(1)  1  2(1)  3(1)  4(1)  5  1  2  3  4  5  1  5

por lo tanto R = 5.

2) Lo que se ha analizado acerca del teorema del resto está basado en el hecho de que el
coeficiente de x en el binomio  x  a  es la unidad. Si se da el caso de que el
coeficiente de x fuera diferente de la unidad, entonces se divide el binomio entre el
valor del coeficiente de x. Esto es si se divide un polinomio F  x  entre  bx  a  ,

a
entonces el resto se obtiene evaluando para F   .
b

Ejemplo:

Determine resto de dividir F  x   2 x 4  3x3  4 x 2  5 x  1 entre (2 x  1) .

Dividimos el binomio (2 x  1) entre 2 y obtenemos  x  12  , entonces hallamos

4 3 2
1 1 1 1 1  1  1  1  1
F    2    3   4    5    1  2    3   4    5    1
2 2 2 2 2  16   8   4   2 
1 3 5 17
  1 1
8 8 2 4

17
Por lo tanto R = .
4

Página 52
2.7.6. Teorema del Factor:

Si al dividir un polinomio F  x  entre un binomio de la forma  x  a  , el resto que

resulta es igual a cero, entonces el binomio  x  a  es un factor de F  x  .
Demostración:

F  x R
Por definición sabemos que  Q x  .
 x  a  x  a
Luego, multiplicando ambos miembros por  x  a  obtenemos:
F  x   x  aQ  x  R

Sustituyendo R  0 por hipótesis tenemos que:

F  x   x  a Q  x   0
F  x   x  a Q  x 

Por tanto tenemos que:  x  a  es un factor de F  x  .

Ejemplos:

1- Probar si  x  1 es un factor de P  x   x3  3x 2  6 x  8 .
Determinamos si el resto de dividir P  x   x3  3x 2  6 x  8 entre  x  1 es cero.

1 3 6 8
1 1 2 8 Q( x)  x 2  2 x  8 .
1 2 8 0 R0

Como el resto es cero, entonces  x  1 es un factor de P  x   x3  3x 2  6 x  8 .

2- Hallar el valor de “k” tal que P  x   x5  3x 4  2 x3  10 x 2  2kx  3k sea divisible

entre  x  2  .

1 3 2  10 2k  3k El resto de la división es k  24 ,
2 2 10 16 12 4k  24 al igualar a 0 obtenemos
1 5 8 6 2k  12 k  24 k  24  0  k  24

Página 53
2.7.7. Teorema Reciproco del Teorema del Factor:

Si al dividir un polinomio F  x  entre un binomio de la forma  x  a  , siendo  x  a 

un factor del polinomio F  x  , entonces el resto de la división tiene que ser igual a
cero.

Demostración:
F  x R
Por definición sabemos que  Q x  . Luego, multiplicando ambos
 x  a  x  a
miembros por  x  a  obtenemos:
F  x   x  aQ  x  R

Como  x  a  es un factor por hipótesis tenemos que:

F  x   x  aQ  x

Lo que implica que: R  0

2.7.8. Divisibilidad Entre dos Polinomios:

Un polinomio es divisible entre otro cuando existe un tercer polinomio que al

multiplicarlo por el segundo, produce al primer polinomio. Es decir, sean F  x  y

f  x  dos polinomios, decimos que F  x  es divisible por f  x  si existe un

polinomio Q  x  tal que F ( x)  Q( x) f ( x) .

Ejemplo: Al dividir F  x   x3  3x 2  6 x  8 entre f ( x)  x  1 obtenemos

Q( x)  x 2  2 x  8 y R  0 . Por lo tanto F  x  es divisible entre f  x  ya que existe

Q( x)  x 2  2 x  8 tal que F ( x)  Q( x) f ( x).

2.7.9. Divisores de un Polinomio:

Si F  x  es divisible entre f  x  tal que F ( x)  Q( x) f ( x) entonces los polinomios

f ( x ) y Q  x  son divisores de F  x  .

Página 54
2.7.9.1. Divisores Triviales de un Polinomio:

Un polinomio F  x  sobre un campo numérico K admite como divisores triviales a

todos los elementos diferentes de cero del campo, h K, h  0 y a todos los
polinomios de la forma hF  x  .

Ejemplo: Sea F  x   x3  3x 2  6 x  8 , entonces cualquier número real diferente de

 1 
cero  2, 5,  3, , 2  y cualquier polinomio asociado a F  x  ,  2 F ( x),  3F ( x)  son
 2 
divisores triviales de F  x  .

Recordemos que dos polinomios P  x  y Q ( x) definidos sobre un campo K, se dice que

son asociados si se cumple que Q ( x)  hP  x  siendo h un elemento no nulo (h  0) del

campo K. Esto significa que si dos polinomios son asociados, entonces uno divide al
otro ya que son divisores triviales uno del otro.

2.7.9.2. Divisores Propios de un Polinomio:

Todo divisor de un polinomio F  x  que no sea trivial se denomina divisor propio.

Ejemplo: Sea F  x   x3  3x 2  6 x  8 , entonces f  x   x  1 es uno de sus divisores

propios.

2.7.9.3. Polinomio Irreducible:

Un polinomio que no tiene ningún divisor propio se denomina polinomio irreducible.

Es importante aclarar que un polinomio puede no ser reducible en un campo, pero sí

serlo en otro campo.

Ejemplos:

1) El polinomio F ( x)  x 2  2 no es reducible en el campo de los números racionales,

Página 55
   
pero sí lo es en el de los números reales ya que x 2  2  x  2 x  2 Entonces

 x  2  y  x  2  son divisores propios de F ( x) .

2) El polinomio F ( x)  x 2  4 no es reducible en el campo de los números reales, pero

sí lo es en el de los números complejos ya que x 2  4   x  2i  x  2i  . Entonces

 x  2i  y  x  2i  son divisores propios de F ( x) .

2.7.9.4. Polinomio Primo:

Un polinomio es primo si es irreducible y mónico o normal a la vez.

Recuerde que un polinomio es mónico o normal si su coeficiente principal es 1.

Ejemplo: El polinomio ( x  2) es un polinomio primo en el campo de los reales, pero

(3x  1) no lo es.

Nota: Para el estudio de la divisibilidad, en lugar de un polinomio F ( x ) puede

considerarse uno cualquiera de sus asociados , ya que tienen los mismos divisores y
los mismos múltiplos. Conviene en la mayoría de los casos considerar aquellos que
son mónicos porque facilitan algunos cálculos, como veremos más adelante.

2.7.10. Mínimo Común Múltiplo de dos o más Polinomios:

El Mínimo Común Múltiplo (MCM) de F ( x ) y G ( x ) es el polinomio de menor grado

que contiene exactamente a F ( x ) y G ( x ) . En otras palabras, el polinomio de menor
grado del cual F ( x ) y G ( x ) son divisores.

2.7.11. Máximo Común Divisor de dos o más Polinomios:

El Máximo Común Divisor (MCD) de F ( x ) y G ( x ) es el polinomio de mayor grado

que divide exactamente a F ( x ) y G ( x ) .

Página 56
2.7.11.1. Algoritmo de Euclides:

El algoritmo de Euclides es un procedimiento que se utiliza para calcular el Máximo

Común Divisor (MCD) de dos polinomios.

El procedimiento para hallar el MCD de F ( x) y G( x) utilizando el algoritmo de

Euclides es el siguiente:

Se divide F ( x) entre G( x) para obtener un cociente Q1 ( x) y un resto R1 ( x) .

Si R1 ( x) es cero, entonces el MCD es G ( x ) . En caso contrario se divide G ( x ) entre

R1 ( x) para obtener un cociente Q2 ( x) y un resto R2 ( x) .

Si R2 ( x) es cero, entonces el MCD es R1 ( x) . En caso contrario se divide R1 ( x) entre

R2 ( x) para obtener un cociente Q3 ( x) y un resto R3 ( x) .

Se continúa este procedimiento hasta que uno de los restos sea cero, entonces el resto
anterior (el último divisor utilizado) es el MCD buscado. Esto es:

 R1  x   0  MCD  G  x 
F  x R  x 
 Q1  x   1  entonces si  R1  x   k  0  F  x  y G  x  son primos entre sí
G  x G  x 
R1  x   un Polinomio  se divide G  x  entre R1  x 
 R2  x   0  MCD  R1  x 
G  x R2  x  
 Q2  x    entonces si  R2  x   k  0  P  x  y G  x  son primos entre sí
R1  x  R1  x  
R 2  x   un Polinomio  se divide R 1  x  entre R2  x 

 R3  x   0  MCD  R2  x 
R1  x  R3  x  
 Q3  x    entonces si  R3  x   k  0  P  x  y G  x  son primos entre sí
R2  x  R2  x  
R 3  x   un Polinomio  se divide R 2  x  entre R3  x 

y así sucesivamente hasta que:

 Rn  x   0  MCD  Rn 1  x 
Rn  2  x  Rn  x  
 Qn  x    entonces si 
Rn 1  x  Rn 1  x   R x  k  0  P x y G x son primos entre sí
 n     

Página 57
Ejemplos:

1) Sean F  x   x8  5 x7  3x6  42 x5  25 x 4  92 x3  78 x 2  35 x  15

y G ( x)  x 5  5 x 4  27 x 2  25 x  10

Hallar el MCD de F ( x) y G( x)

Solución: Iniciamos dividiendo F ( x) entre G( x) .

x8  5 x 7  3x 6  42 x5  25 x 4  92 x3  78 x 2  35 x  15 x 5  5 x 4  0 x 3  27 x 2  25 x  10
 x8  5 x 7  0 x 6  27 x5  25 x 4  10 x3 x3  3x
 3 x 6  15 x5  0 x 4  82 x3  78 x 2  35 x  15
3x 6  15 x5  0 x 4  81x 3  75 x 2  30 x
x3  3x 2  5 x  15

Entonces Q1 ( x)  x 3  3 x y R1 ( x)  x 3  3 x 2  5 x  15 .

Como R1 ( x) es diferente de cero procedemos a efectuar G ( x ) entre R1 ( x) .

x 5  5 x 4  0 x3  27 x 2  25 x  10 x3  3 x 2  5 x  15
 x 5  3 x 4  5 x3  15 x 2 x2  2 x  1
2 x 4  5 x3  12 x 2  25 x  10
2 x 4  6 x3  10 x 2  30 x
 x 3  2 x 2  5 x  10
x3  3 x 2  5 x  15
x2  0 x  5

Entonces Q2 ( x)  x 2  2 x  1 y R2 ( x)  x 2  5 .

Como R2 ( x) es diferente de cero procedemos a efectuar R1 ( x) entre R2 ( x) .

x3  3x 2  5 x  15 x 2  0 x  5
 x3  0 x 2  5 x x3
3 x 2  0 x  15
3x 2  0 x  15 Entonces Q3 ( x)  x  3 y R3 ( x)  0
0

Página 58
Como R3 ( x) es igual a cero el MCD de F ( x) y G( x) es R2 ( x)  x 2  5.

2) Sean M  x   2 x 4  9 x 2  17 x  21 y N ( x)  x3  2 x 2  4 x  21

Hallar el MCD de M ( x) y N ( x)

Solución: Iniciamos dividiendo M ( x) entre N ( x) .

2 x 4  0 x3  9 x 2  17 x  21 x 3  2 x 2  4 x  21
2 x 4  4 x3  8 x 2  42 x 2x  4
 4 x3  x 2  25 x  21
4 x3  8 x 2  16 x  84
9 x 2  9 x  63

Entonces Q1 ( x)  2 x  4 y R1 ( x)  9 x 2  9 x  63

Como R1 ( x) es diferente de cero procedemos a efectuar N ( x ) entre R1 ( x) . Pero en

este caso, para facilitar los cálculos, vamos a dividir entre un polinomio asociado a
R1 ( x) y que sea mónico.

R1 ( x)  9 x 2  9 x  63  9  x 2  x  7  por lo que x 2  x  7 es un polinomio mónico

asociado a R1 ( x) .

x3  2 x 2  4 x  21 x 2  x  7
 x3  x 2  7 x x3
3x 2  3 x  21
3x 2  3x  21 Entonces Q2 ( x)  x  3 y R2 ( x)  0
0

Como R 2 ( x) es igual a cero el MCD de M ( x) y N ( x) es R1 ( x)  x 2  x  7.

3) Sean F  x   x 2  3x  2 y f ( x )  x 2  3

Hallar el MCD de F ( x) y f ( x)

Página 59
Solución: Iniciamos dividiendo F ( x) entre f ( x) .

x 2  3x  2 x 2  0 x  3
 x2  0x  3 1
3x  1 Entonces Q1 ( x)  1 y R1 ( x)  3x  1.

Como R1 ( x) es diferente de cero procedemos a efectuar f ( x ) entre el polinomio

mónico asociado a R1 ( x ) .

x2  0x  3 x  13
Como R 2 ( x)  28
es diferente de cero y además
x  x
2 1
3
x 1
3
9

es una constante, cuyo polinomio asociado es 1,

1
3
x 3
entonces los polinomios F ( x) y f ( x) son primos
 13 x  19
entre sí y el MCD entre ellos no existe.
28
9

2.7.12. Propiedades de la Divisibilidad de Polinomios:

1. Sea F  x  un polinomio y k  0 una constante, entonces F  x  es divisible entre k .

2. Si F  x  es divisible entre Q  x  y P  x  es divisible entre Q  x  , entonces:

 F  x   P  x  es divisible entre Q  x  .

 F  x  P  x  es divisible entre Q  x  .

 kF  x  es divisible entre Q  x  .

 F  x  es divisible entre kQ  x  .

3. Derivada de un Polinomio:

Dado P ( x)  an x n  an1 x n1  an2 x n2  ...  a2 x 2  a1x  a0

se define el polinomio
d  P( x) 
derivado o simplemente la derivada de P( x) , que se representa  P  x  ,
dx
como el polinomio P  x   nan x n1  (n  1)an1 x n2  (n  2)an2 x n3  ...  2a2 x  a1 .

Página 60
La derivada de un polinomio es otro polinomio de grado una unidad menor; es decir, la
derivada de un polinomio de grado 5 es otro polinomio de grado 4.

Ejemplo: Dado el polinomio P  x   x5  4 x 4  7 x3  2 x 2  7 x  6 hallar la derivada.

P  x   5  x51   4  4 x 41   3  7 x31   2  2 x 21   1 7 x11   0  6 x 01 

 5 x 4  16 x3  21x 2  4 x  7

3.1. Derivada Sucesiva o de Orden Superior:

Si derivamos un polinomio P  x  obtenemos una primera derivada P  x  . Si este

polinomio P  x  lo volvemos a derivar obtenemos una segunda derivada P  x  .

Prosiguiendo así podemos obtener la tercera, la cuarta, …, derivada. Para un polinomio
de grado n podemos obtener n derivadas no nulas, la n + 1 derivada es nula, o sea es
igual a cero.

Ejemplo: Hallar las derivadas sucesivas de P  x   x5  4 x 4  7 x3  2 x 2  7 x  6 .

P  x   5 x 4  16 x 3  21x 2  4 x  7
P  x   20 x 3  48 x 2  42 x  4
P  x   60 x 2  96 x  42
P iv  x   120 x  96
P v  x   120
P vi  x   0

4. Esquema de Horner:

El esquema de Horner establece la relación entre las derivadas sucesivas de un

polinomio evaluadas en un valor determinado x  a y los restos que resultan de dividir
sucesivamente al polinomio entre el binomio x  a . Es decir, sea P  x  de grado " n " y

x  a , con el esquema de Horner calculamos:

Página 61
 P   a  P   a  P   a  P   a 
1 2 3 n

R0  P  a  , R1  , R2  , R3  , ... , Rn 
1! 2! 3! n!

La expresión n! se denomina factorial de un número natural n y se define como:

n!  n  n  1 n  2  ...  2 1 . En particular, 5!  (5)(4)(3)(2)(1)  120 .

Ejemplo:

Sea P  x   x 4  3x 2  4 x  6 , hallar el valor numérico de P  x  y sus derivadas

sucesivas para x  2 .

P  x   x 4  3x 2  4 x  6  P  2    2   3  2   4  2   6  16  12  8  6  6
4 2

P    x   4 x 3  6 x  4  P    2   4  2   6  2   4  32  12  4  24
1 1 3

P
2
 x   12 x 2  6  P
2
 2   12  2   6  48  6  42
2

P
3
 x   24 x  P
3
 2   24  2   48
P
4
 x   24  P
4
 2   24

Ahora aplicando el esquema de Horner tenemos que:

1 0 3 4 6
2 2 4 2 12
1 2 1 6 6  R0 Por tanto R0  P(2)  6
2 2 8 18
P (1) (2) 24
1 4 9 24  R1 Por tanto R1    24
1! 1
2 2 12
21  R2 P (2) (2) 42
1 6 Por tanto R2    21
2! 2
2 2
8  R3 P (3) (2) 48
1 Por tanto R3   8
3! 6

 R4 P (4) (2) 24
Por tanto R4   1
4! 24

Página 62
5. Fórmula de Taylor:

Cuando una función f ( x ) tiene una expresión complicada y resulta difícil calcular su
valor en un punto a de su dominio, podemos utilizar polinomios para calcular el valor
aproximado de ella alrededor de dicho punto.

Si f ( x ) y sus n derivadas son continuas en un intervalo que contiene al punto a,

podemos aproximar el valor de la función en x  a por medio de la fórmula de Taylor:

f (a) f (a) f (a)

(n)
f ( a)
f ( x)  f ( a)  ( x  a)  ( x  a)  ( x  a)  ...  ( x  a)
2 3 n

1! 2! 3! n!
n f (i ) (a)
  ( x  a)
i

i  0 i!

Esto quiere decir que la función f ( x ) alrededor del punto x  a y el polinomio que
resulta de la fórmula de Taylor tienen valores muy aproximados.

Ejemplo: aproximemos la función f ( x)  sen ( x) a un polinomio en el punto x  0 .

f ( x)  sen ( x)  f (0)  sen (0)  0

f ( x)  cos ( x)  f (0)  cos (0)  1
f ( x)   sen ( x)  f (0)   sen (0)  0
f ( x)  cos ( x)  f (0)   cos (0)  1
f iv ( x)  sen ( x)  f iv (0)  sen (0)  0
f v ( x)  cos ( x)  f v (0)  cos (0)  1

Aproximando la función f ( x)  sen ( x) a un polinomio de quinto grado en el punto

x  0 obtenemos:
f ( x)  sen ( x)
f (0) f (0) f (0) f iv (0) f v (0)
f ( x)  f (0)  ( x  0)  ( x  0) 2  ( x  0)3  ( x  0) 4  ( x  0)5
1! 2! 3! 4! 5!
1 0 (1) 0 1
f ( x)  0  ( x  0)  ( x  0) 2  ( x  0)3  ( x  0) 4  ( x  0)5 
1! 2! 3! 4! 5!
1 1 5
f ( x)  x  x3  x
6 120

Página 63
Veamos la gráfica: f ( x)  x  1 x3  1 x5
6 120

Observe que alrededor del

punto x  0 las dos
gráficas coinciden. f ( x )  sen( x )
Elegimos un polinomio de
5to grado, pero igual
pudimos elegir otro
polinomio

Esta fómula, además, permite el desarrollo de un polinomio algebraico cuando x se

incrementa en un valor a.

f (a ) f (a ) 2 f (a ) 3 f ( n ) (a ) n

f ( x  a )  f ( y )  f (a )  y y  y  ...  y
1! 2! 3! n!
n f (i ) (a) i
  y
i0 i !

Esta expresión es de gran aplicación en la teoría de ecuaciones.

Ejemplo:

Desarrollar el polinomio f ( x)  x2  4 x  2 si se incrementa x en a  1 y a  1

Solución: Hallamos las derivadas y evaluamos Para f (1) y f (1) :

f ( x)  x 2  4 x  2  f (1)  1  4  2  1  f (1)  1  4  2  7
f ( x)  2 x  4  f (1)  2  4  2  f (1)  2  4  6
f ( x)  2  f (1)  2  f (1)  2

Aplicando la fórmula de Taylor tenemos que:

Página 64
 f (1) f (1) ( 2) 2
Para a  1 f ( x  1)  f (1)  y y  1  y
2 2
y
1! 2! 1 2

 1  2 y  y  y  2 y  1
2 2

f ( x  1)  f ( y )  y  2 y  1
2

f (1) f ( 1) 2

Para a  1 f  x  ( 1)   f  x  1  f ( 1)  y y
1! 2!
(6) 2
7 y  y 2  12  6 y  y 2  y 2  6 y  7
1 2
f ( x  1)  f ( y )  y 2  6 y  7

Intercambiando la y por x obtenemos: f ( x  1)  f ( y)  y 2  2 y  1  x2  2 x 1 y

f ( x 1)  f ( y)  y 2  6 y  7  x2  6 x  7 .

Observemos las gráficas de f ( x), f ( x  1) y f ( x  1) .

f ( x 1)  x2  2 x 1
f ( x 1)  x2  6 x  7
f ( x 1)  x  2 x 1
2

f ( x)  x2  4 x  2
f ( x 1)  x2  2 x 1

Observe que cuando a  1 la

gráfica se traslada 1 unidad hacia la
derecha y cuando a  1 se traslada
una unidad hacia la izquierda. Es
decir, cuando el valor es positivo se
traslada a la izquierda y si es negativo
a la derecha.

En lugar de hacer los cálculos de las derivadas sucesivas y luego evaluar en x  a ,

podemos utilizar el esquema de Horner.

Página 65
Ejemplo:

Desarrolle el polinomio P  x   x3  4 x 2  3x  6 si x se incrementa en 2 unidades.

1 4 3 6
2 2 12 30
1 6 15 24  R0
2 2 16
1 8 31  R1
2 2
1 10  R2
 R3

Por lo tanto P  x  2   P( y)  24  31y  10 y 2  y 3 .

En conclusión, la fórmula de Taylor nos permite transformar un polinomio en otro

donde la variable se ha incrementado en un valor a, su expresión es:

f (a) f (a) 2 f (a) 3 f ( n ) (a ) n

f ( x  a)  f ( y )  f (a)  y y  y  ...  y
1! 2! 3! n!

Además, expresar un polinomio cualquiera en función de las potencias de un binomio

de la forma  x  a  . Su expresión es:

f (a ) f (a ) f (a )

(n)
f (a )
f ( x)  f (a)  ( x  a)  ( x  a)  ( x  a )  ...  ( x  a)
2 3 n

1! 2! 3! n!

En ambos casos se procede de igual manera, aplicando el esquema de Horner, para

f (i ) (a)
obtener los coeficientes .
i!

Ejemplos:

Sea P  x   x 4  3x 2  5 x  6

1) Exprese el polinomio P  x  en potencia del binomio  x  1 .

Página 66
Solución: Utilizamos el esquema de Horner

1 0 3 5 6
1 1 1 2 3
1 1 2 3  3  R0
1 1 2 0
1 2 0 3  R1
1 1 3
1 3 3  R2
1 1
1 4  R3
 R4

Por lo tanto P  x   3  3  x  1  3  x  1  4  x  1   x  1 .
2 3 4

2) Transforme P  x  en otro donde x se ha incrementado en 3 unidades.

Solución: Utilizamos el esquema de Horner

1 0 3 5 6
3 3 9 18 69
1 3 6 23 63  R0
3 3 18 72
1 6 24 95  R1
3 3 27
1 9 51  R2
3 3
1 12  R3
 R4

Por lo tanto P  x  3  P( y )  63  95 y  51y 2  12 y 3  y 4 .

3) Transforme P  x  en otro donde x se ha incrementado en – 2 unidades.

Página 67
Solución: Utilizamos el esquema de Horner

1 0 3 5 6
2 2 4 2 6
1 2 1 3  12  R0
2 2 8  18
1 4 9  15  R1
2 2 12
1 6 21  R2
2 2
1  8  R3
 R4

Por lo tanto P  x  2   P( y )  12  15 y  21y 2  8 y 3  y 4 .

EJERCICIOS PROPUESTOS

I- En el siguiente cuadro responda lo que se pide en la casilla correspondiente.

Polinomio ¿Cuál es ¿Está ¿Es ¿Es Coef.

su grado? ordenado? completo? mónico? Principal

x6 + 3x5– 8x2 + 4x– 25

2x5 – x4 + 6x3 + 8x2 – 5x + 17

4x – 3x7 + 2x3 + x8 – 5x6 + 7x2 – 14 – x5 + 9x4

13 + x2– 5x3 + 7x5– x10

x7 + x9– x2 + x6– x3+ x5

2x4 + 3x5–8x3 + x6– x2 + 7

Página 68
II- Complete

1) El polinomio que tiene todos sus coeficientes iguales a cero se llama polinomio
_____________________

2) Un polinomio es mónico o normal si ____________________________________

3) Dado el polinomio x4 - 2x3 + 5x – 3 su forma vectorial es ___________________

4) Si P(x) es un polinomio de grado “n” y P(a) = 0, entonces a es _______________

___________ de P(x).

5) Si P(x) = k Q(x) siendo P(x) y Q(x) polinomios de grado “n” y k es un elemento

de algún campo, entonces P(x) y Q(x) son __________________________________

6) Enuncie el teorema del resto:

____________________________________________________________________

____________________________________________________________________

____________________________________________________________________

7) Enuncie el teorema del factor:

____________________________________________________________________

____________________________________________________________________

____________________________________________________________________

8) Un polinomio es ______________________ si no tiene divisores propios.

9) Un polinomio es ____________________si es a la vez irreducible sobre un campo

numérico y mónico.

10) Si dividimos un polinomio P(x) entre (x – a) y la división es exacta (el resto es

cero) el resultado de esa división se le llama ________________________________

11) Dado el polinomio P(x) = x5 – 2x3 + 3x4 – 7x + 3 el término principal es _______

12) Si P(x) = 26, entonces P(x) es un polinomio __________________

Página 69
III- Dados los polinomios:

P(x)= x4 – 2x3 + 3x Q(x)= x2 + 5x – 6 S(x)= 4x3 – 2x2 + 3x – 7 R(x)= x – 6

1) Evalúe P(x) para x = -2

2) Determine si x = 1 es un cero o raíz de Q(x)

3) Efectúe
(a) P(x) + S(x)=

(b) P(x) – Q(x)=

(c) P(x) . Q(x)=

(d) S(x) ÷ Q(x)=

4) Divida S(x) entre R(x) utilizando el método de coeficientes indeterminados.

IV- Determine aplicando los teoremas del resto y del factor

1) El resto de dividir F(x)= 5x4 + 3x3 – x2 – 4x + 6 entre (x + 1).

2) Si (x -2) es un factor del polinomio P(x)= x4 + 2x3 –10x2 + 7x – 6.

3) El valor de k para que el resto de dividir x4 + kx3 + 3kx2 – 5 entre (x + 2) sea 3.

4) El valor de k para que (x – 3) sea un factor de x3 – kx2 + 2kx – 6.

5) Halle el polinomio degradado que resulta de dividir x3 – 4x2 – x + 4 entre (x – 1).

Página 70
V- Halle el cociente Q(x) y el resto R de dividir x4 - 2x3 + 5x – 3 entre (x – 3) aplicando
la regla de Ruffini

Q(x)= R=

VI- Halle el MCD de P(x) = x 4 +5x 3 +5x 2 -5x-6 y Q(x) = x 2 +5x +6.

VII- Sea f(x)= x4 + 2x3 –10x2 + 7x – 6, determine la derivada de orden superior de f(x)

a) f ( x ) 

b) f ( x ) 

c) f ( x ) 

d) f v ( x ) 

e) Evalúe f (2) 

VIII- Desarrolle

1) El polinomio F(x) = x4 + 2x3 –10x2 + 7x – 6 en potencias de (x – 1) aplicando la

Fórmula de Taylor.

2) Exprese el polinomio P(x) = 2x3 – 5x2 + 7x – 1 al incrementar x en h = 2, aplicando

la Fórmula de Taylor y utilizando el Esquema de Horner.

Página 71
UNIDAD 3: TEORÍA DE ECUACIONES POLINÓMICAS

1. Ecuación Polinómica:

Una ecuación polinómica es el resultado de igualar un polinomio a cero. Es decir, si un

polinomio algebraico de grado “n” se iguala a cero, se obtiene una ecuación polinómica
de grado “n”.

Si P( x)  an x n  an1 x n1  ...  a2 x 2  a1 x  a0 , entonces P( x)  0 es una ecuación

polinómica en la variable x .

Ejemplos:

1) P( x)  3x  7  0 es una ecuación polinómica de primer grado.

2) Q( x)  5 x 2  4 x  2  0 es una ecuación polinómica de segundo grado.

3) M ( x)  x5  2 x3  x 2  1  0 es una ecuación polinómica de quinto grado.

1.1. Raíz de una Ecuación:

No todos los valores que asignemos a x satisfacen la igualdad P( x)  0 . De todos

los valores que puede tomar la x sólo algunos hacen que la expresión sea verdadera. A
esos valores se les llama raíces de la ecuación.

Entonces una raíz de una ecuación es todo valor, real o complejo, que la satisface; es
decir, un valor que al sustituir la x por él en el polinomio, hace que tome un valor
cero. Estos valores son los ceros del polinomio P( x) .

Si " r " es una raíz de P( x)  0 , entonces P(r )  0 y P( x) es divisible entre ( x  r ) .

Ejemplo:

SeaP( x)  x3  3x 2  4  0 , si calculamos P(2)  23  3(2)2  4  8  12  4  0 . Como

P(2)  0 significa que el 2 es una raíz de la ecuación P( x)  0 y f ( x) es divisible
entre ( x  2)

Resolver una ecuación P( x)  0 es encontrar todas sus raíces.

Página 72
El objetivo fundamental de esta unidad es resolver todo tipo de ecuaciones
polinómicas. Paso a paso iremos abordando esta temática hasta adquirir todas las
herramientas necesarias para lograrlo. Iniciando por las más sencillas, las
ecuaciones de primer y segundo grado.

Ejemplos: Resolver las siguientes ecuaciones

1) Resolver P( x)  4 x  12  0 . Esta es una ecuación de primer grado o lineal y para

resolverla procedemos a despejar la x aplicando operaciones inversas.

4 x  12  0
4 x  12  12  0  12 sumamos 12 a ambos lados
4 x  12
4 x 12
 dividimos entre 4 a ambos lados
4 4
x3

El único valor que satisface la igualdad es x  3

2) Resolver f ( x )  x 2  4 x  12  0 . Esta es una ecuación de segundo grado o

cuadrática y para resolverla podemos aplicar la fórmula general que es aplicable a toda

ecuación de la forma ax 2  bx  c  0 .

b  b 2  4ac
x
2a
Para nuestro ejemplo a 1 b4 c  12

4  42  4(1)(12) 4  16  48 4  64 4  8
x   
2(1) 2 2 2

4  8 4 4  8 12
x1   2  x2    6 .
2 2 2 2
Hay dos valores que satisfacen la ecuación x1  2 y x2  6 . Es decir, la ecuación
tiene dos raíces. El conjunto solución es {2, –6}.

Página 73
Como 2 y 6 son las raíces de f ( x)  0 podemos afirmar que f ( x) es divisible entre
( x  2) y ( x  (6))  ( x  6) .

Esta ecuación también pudo resolverse por método de factorización ya que

x 2  4 x  12  ( x  2)( x  6)  0  ( x  2)  0  ( x  6)
( x  2)  0  ( x  6)  0  x1  2  x2  6

En la ecuación cuadrática ax  bx  c  0 puede ocurrir que b  0 o c  0, en

2

estos casos la solución se hace más fácil.

Ejemplos: Resolver las siguientes ecuaciones

1) x 2  4 x  0 , en este caso c  0 y para resolver solo tenemos que factorizar por

factor común: x 2  4 x  x ( x  4)  x1  0  ( x  4)  0  x2  4 , el conjunto

solución es {–4, 0}.

2) 2 x  8  0 , en este caso podemos proceder de la siguiente manera:

2

2 x2 8
2x  8 
2
  x 2  4  x   4  2 , entonces x1  2  x2  2 .
2 2

El conjunto solución es {–2, 2}.

Hay ecuaciones de grado mayor que dos que pueden ser resueltas aplicando la
factorización y reduciéndola a una de menor grado. Este caso se da cuando a0  0 .

Ejemplos: Resolver las siguientes ecuaciones

1) x  3x  4 x  0
3 2

Sacando el factor común x obtenemos x 3  3 x 2  4 x  x ( x 2  3 x  4) de donde

x  0 o x 2  3x  4  0 .

Ya tenemos una raíz x1  0 y otra ecuación x 2  3x  4  0 pero ahora de grado 2, que

podemos resolver aplicando lo que ya hemos visto antes.

Página 74
x 2  3 x  4  ( x  1)( x  4)  ( x  1)  0  ( x  4)  0  x2  1  x3  4.
Entonces el conjunto solución es {0, 1, – 4 }.

2) x  2 x  3x  0
5 4 3

Sacando el factor común x 3 obtenemos x  2 x  3x  x ( x  2 x  3) de donde

5 4 3 3 2

x3  0  x 2  2 x  3  0 .

Como x3  0 podemos factorizar x3  x  x  x  0 . Esto nos da 3 raíces

x1  x2  x3  0 y otra ecuación x 2  2 x  3  0 de segundo grado, que ya sabemos
resolver.

x 2  2 x  3  ( x  3)( x  1)  x  3  0  x  1  0  x  3  x  1

Entonces el conjunto solución es {0, –3, 1} siendo 0 una raíz triple.

EJERCICIOS PROPUESTOS

I- Resolver

1) 3x  1  0 2) 5x  3  x  9 3) 2 x  6  4i  0

4) x 2  2 x  15  0 5) x2  9  0 6) 2 x2  4 x  0

7) 3x 2  x  4  0 8) x 2  4 x  4  0 9) x 2  16  0

10) x 4  81  0 11) x2  9  0 12) x5  x3  0

13) 3x  2 x  x  8 14) 2 x  6  8x  9 15) x  8  0

2 3

II - Halle los valores de A, B y C de forma que la ecuación x  Ax  Bx  C  0

3 2

tenga por conjunto solución {1,2,3}.

Página 75
1.2. Solución Gráfica de una Ecuación:

Si se representa gráficamente la función polinómica, su gráfica es una curva continua

para todos los valores de x , tal que x  R . Los puntos r1 , r2 , r3 , etc. donde la curva
corta el eje de abscisas (eje x ) son las raíces reales de la ecuación polinómica deducida
de la función polinómica graficada. Por lo tanto, podemos determinar las raíces reales
de una ecuación mediante su representación gráfica.

Ejemplo: Al resolver la ecuación f ( x)  x 4  2 x3  7 x 2  8 x  12  0 , sus raíces

son –3, –2, 1 y 2. Podemos factorizarlo de la siguiente forma:

f ( x)  x 4  2 x3  7 x 2  8 x  12  ( x  3)( x  2)( x  1)( x  2) .

En la siguiente figura podemos observar que la gráfica corta el eje X en esos puntos. Es
decir, en r1 = –3, r2 = –2, r3 = 1 y r4 = 2.

Es importante tener presente que

esto solo ocurre si las raíces de la
r2 r3 ecuación son números reales, en
r1 r4
caso que sean números complejos
no se pueden observar de esta
manera.

2. Teorema Fundamental del Álgebra

“Toda ecuación racional entera, de grado mayor que cero, con una incognita tiene por
lo menos una raíz o solución que puede ser real o compleja”.

3. Teorema de la Descomposición Factorial

“Toda ecuación de grado “n” tiene exactamente “n” raíces reales o complejas”

Página 76
De acuerdo con el teorema fundamental del álgebra si f ( x)  0 es una ecuación de
grado “n” tiene por lo menos una raíz real o imaginaria. Vamos a suponer que esa raíz
es r1 , entonces f ( x)  ( x  r1 ) Q1 ( x) , luego Q1 ( x) es un polinomio de grado (n – 1)

y por tanto Q1 ( x)  0 tendrá por lo menos una raíz. Suponiendo que esa raíz es r2 ,

entonces Q1 ( x)  ( x  r2 ) Q2 ( x) .

De igual manera Q2 ( x) es un polinomio de grado (n – 2) y por tanto Q2 ( x)  0

tendrá por lo menos una raíz r1 y Q2 ( x)  ( x  r3 ) Q3 ( x) . Procediendo de esta

manera llegamos hasta Qn1 ( x)  ( x  rn ) Qn ( x) donde Qn ( x) es de grado cero.

f ( x)  ( x  r1 ) Q1 ( x) (1)
Q1 ( x)  ( x  r2 ) Q2 ( x) (2)
Q2 ( x)  ( x  r3 ) Q3 ( x) (3)

Qn1 ( x)  ( x  rn ) Qn ( x) (4)

Entonces si reemplazamos sucesivamente, desde (1) hasta (4), tenemos:

f ( x)  ( x  r1 ) ( x  r2 )( x  r3 )...( x  rn ) (5)

donde r1 , r2 , r3 , ..., rn son las “n” raíces de la ecuación y no hay más de “n” pues solo
reemplazando en (5) a x por cualquiera de las raíces r1 , r2 , r3 , ..., rn se obtiene
f ( x)  0 .
De acuerdo a lo que establece el teorema anterior se puede concluir que toda ecuación
polinómica de grado “n” se puede descomponer en “n” factores binómicos de la forma

( x  ri ) donde los ri (con i  1,2,3,..., n ) son las raíces reales o complejas de dicha
ecuación.

Para esta descomposición factorial de f ( x)  0 se asume que f ( x ) es un polinomio

mónico. Es decir, que an  1.

Página 77
Ejemplos:

1) Resolver la ecuación f ( x)  x  4 x  x  6  0 sabiendo que x  2 es una raíz.

3 2

Solución:
Esta ecuación es de 3er grado y todavía no tenemos la estrategia para resolverla, pero
podemos aprovechar la información que nos dan de que x1  2 y la idea de que si " r "

es una raíz de f ( x)  0 , entonces f ( x) es divisible entre ( x  r ).

Como x  2 es una raíz esto significa que x  4 x  x  6 es divisible entre x  2;

3 2

es decir f ( x)  x  4 x  x  6  ( x  2) Q( x) .
3 2

Para conseguir ese Q ( x ) hagamos la división por Ruffini

1 4 1 6
2 2 4 6
Entonces Q( x)  x  2 x  3
2

1 2 3 0

A partir de Q( x)  x  2 x  3  0 podemos resolver por factorización o por fórmula

2

general, como ya vimos, obteniendo Q( x)  x  2 x  3  ( x  3) ( x  1) de donde las

2

raíces son x1  3  x2  1.

Por tanto, las tres raíces

de x3  4 x2  x  6  0 son
r1  2, r2  3  r3  1 ,
como puede observarse en la
gráfica de la derecha donde

y  f ( x)  x 3  4 x 2  x  6

2) Resuelva la ecuación x 4  5x3  x 2  21x  18  0 , sabiendo que x1  2 y x2  1

son raíces.
Página 78
Como 2 y –1 son raíces de la ecuación podemos afirmar que el polinomio
x4  5x3  x2  21x  18  0 es divisible entre ( x  2) y entre ( x  1) . Es decir,
x 4  5 x 3  x 2  21x  18  ( x  2)( x  1)Q( x) .

Para conseguir ese Q ( x ) hagamos la división de x 4  5x3  x 2  21x  18 entre

( x  2) y entre ( x  1) sucesivamente.

1 5 1  21  18
2 2 14 30 18
1 7 15 9 0 Q( x)  x 2  6 x  9
1 1 6 9
1 6 9 0

Por lo que x  5 x  x  21x  18  ( x  2)( x  1)( x  6 x  9)

4 3 2 2

Para resolver Q( x)  x 2  6 x  9  0 podemos factorizar y obtener:

x 2  6 x  9  ( x  3)( x  3)  0  x3  3  x4  3

Entonces el conjunto solución es {2, –1, –3} siendo –3 una raíz doble.

Ejercicio: Resuelva esta ecuación x 4  7 x3  11x 2  7 x  12  0 , sabiendo que

x1  1 y x2  4 son raíces.

4. Multiplicidad de una Raíz

Puede suceder que una o varias de las “n” raíces de una ecuación f ( x)  0 aparezca
más de una vez en la descomposición factorial. Si esto ocurre a esa raíz se le llama
“raíz múltiple” y la veces que se repite se le llama “grado de multiplicidad”. A la raíz
que no se repite, es decir, aparece una sola vez, se les llama “raíz simple”.

Ejemplo: Resolver f ( x)  x3  5 x 2  7 x  3  0 sabiendo que x  1 es una raíz.

Página 79
Como ya sabemos, f ( x)  x3  5 x 2  7 x  3  ( x  1)Q( x) . Para obtener Q ( x )
dividimos por Ruffini y obtenemos:

1 5 7 3
1 1 4 3
Q( x)  ( x 2  4 x  3)
1 4 3 0

Entonces f ( x)  x3  5 x 2  7 x  3  ( x  1)Q( x)  ( x  1)( x 2  4 x  3), donde

Q( x)  ( x 2  4 x  3)  0 se puede resolver por factorización.

f ( x)  x 2  4 x  3  ( x  1)( x  3)  x2  1  x3  3

Entonces las raíces son: x1  1, x2  1  x3  3 donde 3 es raíz simple y 1 es

raíz múltiple de multiplicidad 2.

Una ecuación f ( x)  0 de grado “n” puede tener todas sus raíces múltiples. En este
caso la suma de los grados de multiplicidad debe ser igual a “n”.

Ejemplo: Resolver f ( x)  x  x  5 x  x  8 x  4  0 sabiendo que –1 y 2 son

5 4 3 2

raíces múltiples.

Aplicamos la Regla de Ruffini de forma sucesiva.

1 –1 –5 1 8 4
–1 –1 2 3 –4 –4
1 –2 –3 4 4 0
–1 –1 3 0 –4
1 –3 0 4 0
Como se puede observar –1 es raíz de
–1 –1 4 –4
1 –4 4 0 multiplicidad tres, mientras el 2 es raíz de
2 2 –4 multiplicidad dos.
1 –2 0
x5  x 4  5 x3  x 2  8 x  4  ( x  1)3 ( x  2) 2  0
2 2
1 0
Página 80
El grado de la ecuación es 5 que es resultado de sumar los grados
de multiplicidad de ambas raíces: 3 + 2 = 5.

Si alguna de las raíces de una ecuación es múltiple, es obvio que el número de raíces
diferentes va a ser menor que “n” porque las que se repiten se cuentan como raíces
tantas veces como se repiten.

En conclusión: supongamos que las raíces de una ecuación f ( x)  0 son todas

múltiples y que r1 es de multiplicidad “s”, r2 es de multiplicidad “t”, r3 es de

multiplicidad “w” y así sucesivamente. Entonces:

f ( x)  ( x  r1 ) s ( x  r2 )t ( x  r3 ) w ... de donde s + t + w + …= n.

5. Teorema de las Raíces Múltiples:

Un número es raíz múltiple de la ecuación f ( x)  0 si anula la ecuación y sus

sucesivas derivadas hasta un cierto número de ellas.

Si el número de derivadas que anula es “h”, entonces será (h + 1) el grado de

multiplicidad. Si las anula a todas, entonces su multiplicidad será “n” y el polinomio
resulta del desarrollo de ( x  r ) .
n

Ejemplo:

En el ejemplo anterior vimos que f ( x)  x5  x 4  5 x 3  x 2  8 x  4  0 tiene

raíces múltiples –1 de multiplicidad 3 y 2 de multiplicidad 2. Vamos a derivar
sucesivamente y probar el cumplimiento del teorema de raíces múltiples.

f ( x)  x 5  x 4  5 x 3  x 2  8 x  4 f (1)  (1)5  (1) 4  5(1)3  (1) 2  8(1)  4  0

f (2)  (2)5  (2) 4  5(2)3  (2)2  8(2)  4  0

f ' x)  5 x 4  4 x3  15 x 2  2 x  8 f (1)  5(1) 4  4(1)3  15(1) 2  2(1)  8  0

f '(2)  5(2)4  4(2)3  15(2)2  2(2)  8  0

Página 81
f ''( x)  20 x3  12 x 2  30 x  2 f ''(1)  20(1)3  12(1) 2  30(1)  2  0
f ''(2)  20(2)3  12(2)2  30(2)  2  54  0

Como se puede ver f (1)  0, f (1)  0  f (1)  0 , esto significa que –1

anula a f ( x ) , a su primera y segunda derivada por lo que es una raíz de multiplicidad
tres. (anula hasta la h = 2 derivadas). En el caso del 2, f (2)  0  f (2)  0 , o sea
que 2 anula a f ( x) y su primera derivada por lo que es una raíz de multiplicidad dos.

6. Interpretación Gráfica de las Raíces Múltiples

a) Si una raíz real r1 es simple, la curva que

corresponde a la gráfica corta el eje X en el
punto cuyo valor sea igual a la raíz.

La gráfica de la derecha representa la

ecuación f ( x)  x 2  x  6  0 que tiene

por raíces r1  3  r2  2 que son ambas
simples, por eso la gráfica corta el eje X en
x  3  x  2 .

b) Si una raíz real r2 es de multiplicidad

par, la curva que corresponde a la gráfica es
tangente al eje X en el punto cuyo valor sea
igual a la raíz.

La gráfica de la derecha representa la

ecuación f ( x)  x 2  4 x  4  0 cuyas
raíces son r1  2  r2  2 , es decir que 2
es raíz de multiplicidad par, por eso la
gráfica es tangente al eje X en x  2 .

Página 82
c) Si una raíz real r3 es de multiplicidad
impar, la curva que corresponde a la
gráfica presenta un punto de inflexión
sobre el eje X en el punto cuyo valor sea
igual a la raíz.

La gráfica de la derecha representa la

ecuación f ( x)  x3  3x 2  3x  1  0
que tiene por raíces r1  1, r2  1  r3  1 , es decir que 1 es raíz de multiplicidad
impar, por eso la gráfica presenta un punto de inflexión en el eje X, en x  1 .

Este análisis es válido solo para las raíces

reales, ya que las raíces complejas no se
pueden ver en los cortes de las gráficas. Por
ejemplo, las raíces de la ecuación

f ( x)  x3  3x 2  x  3  0 son r1  3, ,
r2  i  r3  i pero al graficarla solo se

puede observar un corte con el eje X. Esto se debe a que las raíces r2  i  r3  i
son imaginarias.

Ejercicio:

Dada la ecuación f ( x)  x 4  2 x3  3 x 2  4 x  4  0 determine, aplicando el

teorema de las raíces múltiples, el grado de multiplicidad de su raíz r  2 y luego
exprese la ecuación en función de factores binómicos.

7. Teorema de las Raíces Complejas:

Si un número complejo (a  bi ) es raíz de una ecuación entera f ( x)  0 de

coeficientes reales, entonces su conjugado (a  bi) es también una raíz de la ecuación.
Esto significa que las raíces complejas siempre aparecen en pares conjugados.
Página 83
Si (a  bi ) es una raíz de la ecuación f ( x)  0 , entonces al sustituir x  (a  bi ) en el
polinomio y realizar todas las operaciones de lugar obtenemos una suma de la parte
real que llamaremos c y la parte imaginaria que llamaremos d. Por lo que
f (a  bi)  (c  di)  0 .

Para que (c  di )  0 debe cumplirse que c = 0 y d = 0. Si en lugar de i ponemos i

se obtiene f  a  b(i )   f ( a  bi )  c  d ( i )  c  di , pero como c = 0 y d = 0,

entonces f (a  bi)  0 y f (a  bi)  f (a  bi)  0.

En el ejemplo anterior pudimos ver que r2  i  r3  i son raíces de la ecuación

f ( x)  x 3  3x 2  x  3  0 . Como  i  (0  i) es el conjugado de i  (0  i) se
puede comprobar que se cumple el teorema.

Como consecuencia de este teorema se puede afirmar que toda ecuación entera con
coeficientes reales y de grado impar tiene al menos una raíz real.

8. Binomio Irracional Cuadrático:

Un binomio irracional cuadrático es una expresión de la forma (a  b ) siendo

a y b números racionales y b un número irracional. A la expresión (a  b ) se le
llama binomio irracional cuadrático conjugado de (a  b ) .

Ejemplo: (3  2) es un binomio irracional cuadrático y (3  2) es su conjugado.

8.1. Teorema de las Raíces Irracionales Cuadráticas:

Si un binomio irracional cuadrático (a  b ) es raíz de la ecuación f ( x)  0 con

coeficientes racionales, entonces el binomio irracional cuadrático conjugado (a  b )

también es raíz de la ecuación.

Ejemplo: Resolver f ( x)  x  3 x  9 x  11  0 sabiendo que x  1 es una raíz.

3 2

Página 84
Sabiendo que 1 es raíz utilizamos la Regla de Ruffini

1 -3 -9 11 f ( x)  x 3  3x 2  9 x  11  ( x  1)( x 2  2 x  11)
1 1 -2 -11
De donde x 2  2 x  11  0 podemos resolver
1 -2 -11 0
0 por formula general.

b  b2  4ac
x siendo a  1 b  2 c  11
2a

2  (2) 2  4(1)(11) 2  4  44 2  48 2  16 3
x   
2(1) 2 2 2

24 3 2 4
   3  1  2 3 lo que implica que x1  1  2 3  x2  1  2 3
2 2 2

Por tanto las raíces de f ( x)  x  3 x  9 x  11  0 son: r1  1, r2  1  2 3 y

3 2

r3  1  2 3 , siendo r2  r3 binomios irracionales cuadráticos conjugados.

EJERCICIO PROPUESTO

En los siguientes casos se dan ecuaciones y algunas de sus raíces. Halle las demás.

1) x 4  3x3  2 x 2  6 x  4  0 r1  1  3

2) x5  x4  5x3  x2  6 x  2  0 r1  2 r2  1  2

3) x5  8x4  26 x3  40 x 2  16 x  0 r1  2  2 r2  2  2i

4) 2 x5  5 x 4  30 x 3  50 x 2  108 x  45  0 r1  1  2i r2  3i

5) x  8x  26 x  44 x  41x  20 x  4  0 ,
6 5 4 3 2
1 y 2 son raíces múltiples, determine
el grado de multiplicidad.

Página 85
9. Teorema de las Raíces Racionales:

Si P( x)  an x n  an1 x n1  an2 x n2  ...  a0  0 es una ecuación polinómica con

coeficientes enteros, donde an  a0 son diferentes de cero y la fracción de forma

p
simplificada , siendo “p” y “q” números enteros, es una raíz de P ( x )  0 , entonces
q
“p” es un factor o divisor del término constante a0 y “q” es un factor o divisor del

coeficiente an .

A partir de este teorema podemos concluir que si P( x)  0 es una ecuación entera

donde an  1  a0  0 , entonces todas sus raíces racionales dividen exactamente a a0 .

Ejemplos: Halle todas las raíces racionales de:

1) 2 x3  9 x 2  7 x  6  0

En este caso an  2  a0  6 . Los divisores de 2 son: 1,  2

Los divisores de 6 son: 1,  2,  3,  6

1 3
Las posibles raíces racionales de la ecuación son 1,  2,  3,  6,  ,  .
2 2
Entonces comenzamos a probar cada una de las posibles raíces con la división sintética
(Ruffini).

2 –9 7 6 2 –9 7 6 2 –9 7 6

–1 –2 11 –18 1 2 –7 0 –2 –4 26 –66
2 –11 18 –12 2 –7 0 6 2 –13 33 –60

Como se puede observar, al probar con 1, –1, –2 nos damos cuenta que no son raíces
de la ecuación, porque el resto no es cero.

1
Sin embargo, al probar con 2, 3 y  el resto es cero lo que indica que estas son las
2
raíces.
Página 86
 2 –9 7 6

2 4 –10 –6
2 –5 –3 0

3 6 3
2 1 0

–½ –1
2 0

2) x5  x 4  5 x3  5 x 2  4 x  4  0

En este caso an  1  a0  4 . Como an  1 las posibles raíces racionales son los

divisores de 4: 1,  2,  4 . Probamos cada una de las posibles raíces.

1 1 –5 –5 4 4
–1 –1 0 5 0 –4
1 0 –5 0 4 0
–1 –1 1 4 –4
1 –1 –4 4 0
1 1 0 –4 Después de probar concluimos
1 0 –4 0
que el conjunto solución es:
2 2 4
1 2 0 {1, –2, 2, –1}. Siendo –1 de
–2 1 –2 multiplicidad 2.
1 0

7 47 56 16
3) x  x  x2  x 0
4 3
6 3 3 3

Esta ecuación no cumple con el requisito del teorema de tener todos los coeficientes
enteros, sin embargo podemos multiplicar por 6 ambos miembros y obtener
6 x4  7 x3  94 x2  112 x  32  0 .

En este caso an  6  a0  32 . Los divisores de 6 son: 1,  2,  3,  6

Página 87
Los divisores de 32 son: 1,  2,  4,  8,  16,  32.

Las posibles raíces racionales de la ecuación son:

1 1 1 2 4 8 16 32
1,  2,  4,  8,  16,  32,  ,  ,  ,  ,  ,  ,  , 
2 3 6 3 3 3 3 3

Después de probar se concluye que el conjunto solución es: 4, 1 , 2 , 4.

 2 3 

4) x5  4 x 4  5 x3  10 x 2  4 x  24  0

En este caso an  1  a0  24 . Como an  1 las posibles raíces racionales son los

divisores de 24: 1,  2,  3,  4,  6,  8,  12,  24 .

1 –4 5 –10 4 24

–1 –1 5 –10 20 –24
1 –5 10 –20 24 0

2 2 –6 8 –24 Aquí tenemos tres raíces

1 –3 4 –12 0 racionales: –1, 2 y 3.
3 3 0 12
1 0 4 0

Factorizando x5  4 x 4  5 x3  10 x 2  4 x  24  ( x  1)( x  2)( x  3)( x 2  4)  0 .

Al resolver ( x 2  4)  0 vemos que las raíces son 2i y  2i . Por lo que el conjunto

solución es 1, 2, 3, 2i,  2i .

EJERCICIO PROPUESTO

I- Hallar todas las raíces racionales de las siguientes ecuaciones

1) 6 x 4  x3  46 x 2  39 x  18  0 2) 2 x5  x4  10 x3  5x2  8x  4  0

4 8
3) 6 x4  7 x3  29 x2  28x  20  0 4) x3  6 x 2  x   0
9 3

1 2
5) x4  3x3  6 x2  6 x  8  0 6) x 6  x5  3x 4  3x3  x 2  0
3 3
Página 88
10. Relacion entre Coeficientes y Raíces de una Ecuación Algebraica:

Sea P( x)  an x n  an1 x n1  ...  a2 x 2  a1 x  a0  0 una ecuación polinómica mónica

( an  1), cuyos coeficientes pueden ser reales o complejos. Sean r1 , r2 , r3 ,..., rn sus
raíces (reales o complejas), las cuales pueden ser simples o múltiples. Entonces
podemos expresar P( x) mediante la descomposición factorial siguiente:

f ( x)  ( x  r1 )( x  r2 )( x  r3 )...( x  rn )  0 .

Si desarrollamos todos los binomios y agrupamos los términos semejantes podemos

establecer la siguiente relación entre las raíces y los coeficientes de P ( x )  0 .

an  1,
an1  (r1  r2  r3  ...  rn )
an2  r1r2  r1r3  ...  r1rn  r2 r3  ...  r2 rn  r3 r4  ...  r3 rn  ...  rn1 rn
an3  (r1 r2 r3  r1 r2 r4  ...  r1 r2 rn  r1 r3 r4  ...  r1 r 3rn  r2 r3 r4  ...  r2 r3 rn  ...  rn2 rn1 rn )

a1  (1) n1 (r1 r2 r3 ...rn1  ...  r2 r3 ...rn1rn )
a0  (1) n (r1 r2 r3 ...rn )

Aprovechando esta relación podemos hallar una ecuación si conocemos sus raíces.

Ejemplos
1) Hallar la ecuación cuyas raíces son: x1  3, x2  2  x3  4
Solución:
La ecuación es de 3er grado y tendrá la forma P ( x )  a3 x  a2 x  a1 x  a0  0
3 2

a3  1,
a2  ( r1  r2  r3 )   ( 3  2  4)  3
a1  rr
1 2
 rr
1 3
 r2 r3  (  3)(2)  ( 3)(4)  (2)(4)  6  12  8  10
a0    rr r     (  3)(2)(4)   ( 24)  24
1 2 3

Entonces la ecuación buscada es P( x)  x3  3x 2  10 x  24  0

Página 89
2) Hallar la ecuación cuyas raíces son: x1  1, x2  1, x3  2  x4  3
Solución: La ecuación es de 4to grado y tendrá la forma:

P ( x )  a4 x 4  a3 x 3  a2 x 2  a1 x  a0  0
a4  1,
a3  (r1  r2  r3  r4 )  (1  1  2  3)  5
a2  r1 r2  r1 r3  r1 r4  r2 r3  r2 r4  r3 r4  (  1) (1)  ( 1) (2)  ( 1) (3)  (1) (2)  (1) (3)  (2) (3)
 1  2  3  2  3  6  5
a1    r1 r2 r3  r1 r2 r4  r1 r3 r4  r2 r3 r4    [(  1) (1) (2)  ( 1) (1) (3)  ( 1) (2) (3)  (1) ( 2) (3)]
  [2  3  6  6]  (5)  5
a0  r1 r2 r3 rn  (  1)(1)(2)(3)  6

Entonces la ecuación buscada es P( x)  x 4  5 x 3  5 x 2  5 x  6  0

3) Hallar la ecuación cuyas raíces son: x1  2, x2  1, x3  1, x4  1  x5  2

Solución: La ecuación es de grado 5 y tendrá la forma:

P ( x)  a5 x 5  a4 x 4  a3 x 3  a2 x 2  a1 x  a0  0

a5  1
a4  (2  1  1  1  2)  1
a3  (  2)( 1)  ( 2)(1)  ( 2)(1)  ( 2)(2)  ( 1)(1)  ( 1)(1)  ( 1)(2)  (1)(1)  (1)(2)  (1)(2)
 2  2  2  4  1  1  2  1  2  2  5
a2  [(  2)( 1)(1)  ( 2)( 1)(1)  ( 2)( 1)(2)  ( 2)(1)(1)  ( 2)(1)(2)  ( 2)(1)(2)  ( 1)(1)(1)
 ( 1)(1)(2)  ( 1)(1)(2)  (1)(1)(2)]   [ 2  2  4  2  4  4  1  2  2  2]   ( 5)  5

a1  [(  2)( 1)(1)(1)  ( 2)( 1)(1)(2)  ( 2)( 1)(1)(2)  ( 2)(1)(1)(2)  ( 1)(1)(1)(2)]

 (2  4  4  4  2)  4
a0   [( 2)(  1)(1)(1)(2)]  4

Página 90
Entonces la ecuación buscada es P( x)  x5  x 4  5 x3  5 x 2  4 x  4  0

Caso en que la ecuación no es mónica.

Si P( x)  an x n  an1 x n1  ...  a2 x 2  a1 x  a0  0 no es mónica, entonces su

factorización es P( x)  an ( x  r1 )( x  r2 )( x  r3 )...( x  rn )  0 y al calcular los

valores de los coeficientes se debe multiplicar por an . Esto es:

an  an
an1  an (r1  r2  r3  ...  rn )
an2  an (r1 r2  r1 r3  r1 r4  ...  r1 rn  r2 r3  r2 r4  ...  r2 rn  ...  rn1 rn

an 3  an (r1 r2 r3  r1 r2 r4  r1 r3 r4  ...  r1 r2 rn  r2 r3 r4  ...  r2 r4 rn  ...  rn 2 rn 1 rn )


a1  (1)n 1 an (r1 r2 r3 ...rn1  ...  r2 r3 ...rn 1rn )
a0  (1)n an (r1 r2 r3 ... rn )

Ejemplo

Hallar la ecuación cuyas raíces son: x1  1, x2  2  x3  5, sabiendo que a3  3 .

Solución:

La ecuación es de 3er grado y tendrá la forma P( x)  a3 x3  a2 x 2  a1 x  a0  0

a3  3,
a2  a3 (r1  r2  r3 )   3(1  2  5)  3(8)  24
a1  a3 (r1r2  r1r3  r2 r3 )  3[(1)(2)  (1)(5)  (2)(5)]  3(2  5 10)  3(17)  51
a0  a3  r1r2 r3   3  (1)(2)(5)   3(10)  30

Entonces la ecuación buscada es P( x)  3x3  24 x 2  51x  30  0

Página 91
11. Transformación de Ecuaciones:
Cuando las raíces de una ecuación no se conocen y es muy difícil determinarlas, son
útiles todos los procedimientos que sirvan para simplificarla y poder obtenerlas. Para
esto vamos a ver algunos procedimientos que nos permitan hacer transformaciones
convenientes a las ecuaciones y hacer más fácil la solución de la misma.

Transformar una ecuación es obtener otra cuyas raíces satisfagan relaciones

preestablecidas respecto a la ecuación original.

11.1. Tipos de transformaciones:

1- Transformación de una Ecuación que posea raíces múltiples en otra cuyas raíces
sean las mismas de la ecuación original, pero todas raíces simples.

Para hacer el análisis más simple y comprensivo tomemos una ecuación de 5to. grado y
que solo tiene una raíz múltiple, cuyo grado de multiplicidad es 3. Esto es:

f ( x)  ( x  a)3 ( x  b)( x  c)  0 , donde " a ", "b " y " c " son las únicas
raíces distintas que tiene la ecuación, siendo " a " múltiple y "b " y "c " son simples.

Si f ( x)  ( x  a) ( x  b)( x  c)  0 , entonces al calcular su derivada se obtiene

3

f ( x)  ( x  a) 2 ( B2 x 2  B1 x  B0 ) , donde B2 x 2  B1 x  B0 es un polinomio de
segundo grado que no es divisible entre ( x  b) ni ( x  c) , pues si lo fueran "b " y "c "
serían raíces múltiples y esto contradice la hipótesis inicial de que solo " a " es múltiple.

De esto podemos deducir que el grado de multiplicidad de una raíz disminuye en una
unidad en cada una de las derivadas sucesivas de la ecuación.

Bajo las condiciones dadas, sabemos que el MCD entre f ( x)  f ( x) es ( x  a ) 2 .

f ( x) ( x  a )3 ( x  b)( x  c)
Si hacemos g ( x)    ( x  a )( x  b)( x  c) , entonces g ( x)  0
MCD ( x  a)2

es una ecuación con las mismas raíces de la ecuación original pero todas simples.

Página 92
Del proceso seguido anteriormente podemos deducir la siguiente regla:

Para transformar una ecuación f ( x)  0 a otra que solo posea raíces simples, basta con
dividir f ( x ) entre el máximo común divisor (MCD) correspondiente a f ( x ) y a su
primera derivada. Es decir, procedemos de la siguiente manera:

Primero: Se halla la derivada de f ( x)

Segundo: Se halla el máximo común divisor (MCD) entre f ( x)  f ( x)

Tercero: Se divide f ( x) entre el MCD ( f ( x), f ( x)) , el resultado obtenido igualado

a cero es la ecuación buscada.

En conclusión:

Si f ( x)  0 es la ecuación dada y g ( x )  0 es la ecuación transformada

f ( x)
g ( x) 
 
que buscamos, entonces
MCD f ( x ), f ' ( x)

Ejemplos:

1) Transformar la ecuación f ( x)  3x  8 x  6 x  24 x  8  0 a otra g ( x)  0

4 3 2

cuyas raíces sean simples.

Solución:

Primero: Hallamos f ( x)  12 x 24 x  12 x  24

3 2

Segundo: Hallamos el MCD  f ( x), f ( x)  (aplicamos el algoritmo de Euclides)

 
Como 12 x 3 24 x 2  12 x  24 12 x 3 2 x 2  x  2 podemos efectuar

3 x 4  8 x 3  6 x 2  24 x  8 entre x 3 2 x 2  x  2

Página 93
 3 x 4  8 x 3  6 x 2  24 x  8 x 3 2 x 2  x  2

3 x 4  6 x 3  3 x 2  6 x 3x  2

2 x 3  3 x 2  18 x  8

2 x 3  4 x 2  2 x  4

 7 x 2  16 x  4

Ahora dividimos x 2 x  x  2 entre  7 x 2  16 x  4  (7 x 2  16 x  4)

3 2

x  2x  x  2 7 x  16 x  4
3 2 2

 x 3  167 x 2  74 x 1
7
x 2
49

 72 x 2  117 x  2
2
7
x 2
 32
49
x 8
49

 45
49
x 90
49

45 
Ahora dividimos 7 x 2  16 x  4 entre el resto anterior  49
45
x  90
49
  49
x  2
7 x  16 x  4 x2
2

 7 x  14 x 7x  2
2

2x  4
 2x  4
El MCD  f ( x), f ( x)   x  2

Tercero: Dividimos, aplicando Ruffini, f ( x )  3 x 4  8 x 3  6 x 2  24 x  8 entre

el MCD hallado; es decir, la ecuación que buscamos es:

f ( x) 3x 4  8 x3  6 x 2  24 x  8
g ( x)  
MCD  f ( x), f ( x)  x2

Página 94
 3 8 6  24 8
2 6 4 20 8
3 2  10 4 0

f ( x)
Entonces g ( x)   3 x 3  2 x 2  10 x  4  0
MCD

g ( x)  3 x 3  2 x 2  10 x  4  0 es una ecuación con las mismas raíces que

f ( x)  0 , pero todas son simples.

Ya sabemos que –2 es raíz múltiple de f ( x)  0 por lo que aplicando Ruffini

podemos determinar el grado de multiplicidad y encontrar las demás raíces

3 8 6  24 8
2 6 4 20 8
3 2  10 4 0
2 6 8 4
3 4 2 0

Entonces f ( x )  ( x  2) 2 (3 x 2  4 x  2) y podemos resolver por la fórmula

general la ecuación cuadrática 3 x  4 x  2  0 . Las raíces de
2
f ( x)  0 son:
2 1 2 1
x1  2, x2 =  2 , x3   10  x4   10
3 3 3 3
2 1 2 1
Las raíces de g ( x)  0 son: x1  2, x2   10  x3   10
3 3 3 3

2) Transformar la ecuación f ( x)  x  x  3x  x  2  0 en otra ecuación que

4 3 2

tenga las mismas raíces, pero todas simples.

Primero: Hallamos f ( x )  4 x3  3x 2  6 x  1

Segundo: Hallamos el MCD  f ( x), f ( x)  aplicando el algoritmo de Euclides.

Página 95
 x  x  3x  x  2 4 x  3x  6 x  1
4 3 2 3 2

x  3 x  3 x  1 x x
4 3 2 1 1
4 2 4 4 16

x  3x  3x2
1 3 2
4 2 4
 x  x  x
1 3 3 2 3 1
4 16 8 16

 x  3x
27 2 33
16 8 16

Ahora dividimos 4 x  3x  6 x  1 entre el resto anterior  16 x  83 x  16

3 2 27 2 33

Como  27 x  3 x  33  
16
2
8 16
3
16
9x 2

 2 x  11 podemos efectuar

4 x  3x  6 x  1 9 x  2 x  11
3 2 2

4 x  8 x  x  19
3 2 44 4
9 9
x 9 81

19
9
x 2  109 x  1
 199 x 2  38
81
x  209
81

 128
81
x  128
81

Siguiendo el proceso de división

Como  128 x  128   128  x  1 podemos efectuar

81 81 81

9 x  2 x  11 entre x  1
2

9 x  2 x  11 x 1
2

9 x  9 x 9 x  11
2

11x  11
2
Por lo tanto el MCD  f ( x), f ( x)  = x  1
11x  11
0

Página 96
 f ( x) x 4  x3  3x 2  x  2
Tercero: Obtenemos g ( x )  
MCD  f ( x ), f ( x) 
que
'
x 1
podemos dividir por Ruffini.

1 1 3 1 2
1 1 2 1 2
1 2 1 2 0

Entonces g ( x)  x 3  2 x 2  x  2  0

Podemos comprobar que las raíces de f ( x)  0 son x1  1, x2  1 x3  1

 x4  2 . Es decir, 1 es raíz doble mientras que en g ( x )  0 , las raíces son
x1  1, x2  1  x3  2 que son las mismas pero todas simples.

11.1.2. Transformación mediante operaciones elementales:

11.1.2.1 Dada una Ecuación transformarla en otra cuyas raíces sean múltiplos o
submúltiplos de las raíces de la ecuación dada. (y = kx)

La idea es que partiendo de la ecuación f ( x)  0 , cuyas raíces son r1, r2 , r3 ,..., rn ,

obtener otra ecuación f ( k x)  0 ( k es un número real diferente de cero) cuyas

raíces serán k r1 , k r2 , k r3 , ... , k rn . Es decir, las raíces están multiplicadas por k .

n 1
Dada f ( x )  an x  an1 x
n
 an2 x n2  ...  a2 x 2  a1 x  a0  0 vamos a obtener

otra ecuación f ( y)  0 cuyas raíces sean las de f ( x)  0 multiplicadas por un

valor “k”

y
f ( kx)  f ( y )  0 implica que y  k x  x 
k
y
Vamos a sustituir x  en f ( x)  0
k

Página 97
 n n1 n2 2
 y  y  y  y  y  y
f ( x)  f    an    an1    an2    ...  a2    a1    a0  0
k k k k k k

Distribuyendo las potencias tenemos

n n 1 n 2 2
y y y y y
an n  an1 n1  an2  ...  a2 2  a1  a0  0
k k k n2 k k
n
Multiplicando por k para eliminar los denominadores tenemos

an y n  an1k y n1  an2 k 2 y n2  ...  a2k n2 y 2  a1k n1 y  a0k n  0

Intercambiando las variables y por x

f ( x)  an x n  an1k x n1  an2 k 2 x n2  ...  a2k n2 x 2  a1k n1x  a0k n  0

En conclusión, podemos establecer la siguiente regla:

Para obtener de una ecuación, otra con sus raíces multiplicadas por
un número k  0 se multiplica cada término de la ecuación dada por
k elevado a un exponente igual a la diferencia entre el grado de la
ecuación y el exponente del término.

Ejemplos:

1) Dada la ecuación f ( x )  x 4  4 x3  10 x 2  28 x  15  0 transformarla en

otra cuyas raíces sean las de f ( x)  0 multiplicadas por 2.

Solución:

f (2 x)  (2)0 x 4  (2)4 x 3  (2) 210 x 2  (2)3 28 x  (2) 415  0

f (2 x)  x 4  8 x 3  40 x 2  224 x  240  0

La ecuación transformada es x  8 x  40 x  224 x  240  0

4 3 2

Las raíces de la ecuación dada son r1  1, r2  1, r3  5 y 4 r 3

Página 98
Las raíces de la ecuación transformada son: r1  2, r2  2, r3  10 y r4  6

2) Transformar la ecuación f ( x )  x 4  x 3  7 x 2  x  6  0 en otra cuyas raíces

sean las de f ( x)  0 multiplicadas por –3

Solución: para este caso k = –3. Hacemos la sustitución.

f (3x)  ( 3) 0 x 4  ( 3)1 x 3  ( 3) 2 7 x 2  ( 3)3 x  ( 3) 4 6  0

f ( 3 x )  (1) x  ( 3) x  (9)7 x  ( 27) x  (81)6  0

4 3 2

f (3x)  x 4  3 x 3  63 x 2  27 x  446  0

La ecuación transformada es : x  3 x  63 x  27 x  446  0

4 3 2

Transformación de la forma (y = –x)

Si tomemos k = –1, entonces las raíces de la ecuación transformada serán las opuestas
de las raíces de la ecuación dada. Es decir, estamos obteniendo f ( x)  0 . Veamos
lo que ocurre.

f (  x )  an (1)0 x n  an1 (1)1 x n1  an2 (1) 2 x n2  ...  a2 (1) n2 x 2  a1 (1) n1 x  a0 (1) n  0

f (  x )  an (1) x n  an1 (1) x n1  an2 (1) x n2  ...  a2 (1) n2 x 2  a1 (1) n1 x  a0 (1) n  0

f (  x )  an (1) x n  an1 x n1  an2 (1) x n2  ...  a2 (1) n2 x 2  a1 (1) n1 x  a0 (1) n  0

De lo anterior podemos deducir que para transformar una ecuación en otra

cuyas raíces sean opuestas basta con cambiar de signo a los términos de
paridad diferente al grado de la ecuación. Es decir, si la ecuación es de grado
par se le cambia el signo a los términos de grado impar. Si es de grado impar,
se le cambia el signo a los de grado par.

Página 99
Ejemplos:

1) Transformar la ecuación f ( x)  x 4  x 3  19 x 2  11x  30  0 en otra cuyas raíces

sean las opuestas de la ecuación dada.

Solución:
Como la ecuación dada es de grado par (4) se le cambia el signo a los términos de grado

impar (–x3 y –11x) para obtener f ( x)  x 4  x 3  19 x 2  11x  30  0

2) Transformar la ecuación f ( x)  x 5  9 x 4  25 x 3  15 x 2  26 x  24  0 en otra

cuyas raíces sean las opuestas de la ecuación dada.

Solución: Como la ecuación dada es de grado impar (5) se le cambia el signo a los
términos de grado par (–9x4, –15x2 y 24) para obtener:

f ( x)  x 5  9 x 4  25 x 3  15 x 2  26 x  24  0

11.1.2.2. Dada una Ecuación transformarla en otra cuyas raíces estén

incrementadas (aumentadas o disminuidas) en una cantidad “k”, respecto a las
raíces de la ecuación dada.

La idea es que partiendo de la ecuación f ( x)  0 , cuyas raíces son r1, r2 , r3 ,..., rn ,

obtener otra ecuación f ( x  k )  0 ( k es un número real diferente de cero) cuyas
raíces serán ( r1  k ), ( r2  k ), ( r3  k ), ... , ( rn  k) . En esta transformación se

dice que las raíces están disminuidas si el valor de k es positivo y aumentadas si es

negativo.

Dada la ecuación f ( x)  an x n  an1 x n1  an2 x n2  ...  a2 x 2  a1 x  a0  0

vamos a obtener otra f ( y )  0 cuyas raíces sean las de f ( x)  0 disminuidas o
aumentadas en un valor “k”. Es decir, f ( y)  f ( x  k )  0 .
Página 100
Recordemos que f ( y)  f ( x  k )  0 es una expresión de la Fórmula de Taylor
que podemos resolver así:

f (1) (k ) f (2) (k ) 2 f (3) (k ) 3 f ( n ) (k ) n

f ( x  k )  f ( y )  f (k )  y y  y  ...  y
1! 2! 3! n!
n f (i ) (k ) i
  y
i0 i !

Ejemplos:

1) Transformar la ecuación f ( x )  x  3x  4  0 en otra cuyas raíces sean las de

2

f ( x)  0 aumentadas en 3 unidades.

Solución:
Como se quiere que las raíces estén aumentadas debemos tomar k = –3, entonces

f (1) (3) f (2) (3) 2

f ( y )  f ( x  (3)  f ( x  3)  f (3)  y y
1! 2!
f ( x )  x 2  3 x  4  f ( 3)  (3) 2  3(3)  4  9  9  4  4

f (1) ( x)  2 x  3  f (1) (3)  2(3)  3  6  3  3

f (2) ( x)  2  f (2) (3)  2

Entonces
f (1) (3) f (2) (3) 2 (3) 2
f ( y )  f (3)  y y  1  y  y 2  4  3 y  y
1! 2! 1 2
Ordenando de forma ascendente obtenemos f ( y )  y  3 y  4.
2

Por lo que la ecuación buscada es f ( y )  y 2  3 y  4  0 . Si intercambiamos la y por x

obtenemos f ( x)  x 2  3x  4  0 .

Las raíces de f ( x )  x  3x  4  0 son –4 y 1 y las de f ( y )  y 2  3 y  4  0 son –

2

1 y 4. Se comprueba que las raíces de f ( x)  0 son las de f ( y )  0 aumentada en 3

unidades.

Página 101
Este procedimiento se simplifica si se utiliza el Esquema de Horner. Esto es:
1 3 –4
–3 –3 0
1 0 –4 f ( 3)

–3 –3
1 –3 f (1) (3)
1!
f (2) (3)
2!

2) Transformar la ecuación f ( x )  x  3x  4  0 en otra cuyas raíces sean las de

2

f ( x)  0 disminuidas en 2 unidades.

Solución:
Como se quiere que las raíces estén disminuidas debemos tomar k = 2, entonces
1 3 –4
2 2 10
1 5 6 f (2)

2 2
1 7 f (1) (2)
1!
f (2) (2)
2!

Por lo que la ecuación buscada es f ( y )  y  7 y  6  0 cuyas raíces son –6 y –1

2

que son las de f ( x)  0 disminuidas en 2 unidades. Si intercambiamos la y por x

obtenemos f ( x)  x 2  7 x  6  0 .

La siguiente figura muestra las gráficas de las tres ecuaciones donde se puede apreciar
como f ( x)  x 2  3x  4  0 se ha trasladado 3 unidades hacia la derecha y

f ( x)  x 2  7 x  6  0 2 hacia la izquierda con relación a f ( x)  x  3x  4  0

2

que es la ecuación original.

Página 102
 f ( x)  x 2  3 x  4

f ( x)  x 2  7 x  6
f ( x)  x 2  3 x  4

Muy importante: Tener siempre presente que para disminuir se lleva el

número con el mismo signo y para aumentar se lleva con signo contrario

Analicemos otros ejemplos:

1) Transformar la ecuación f ( x )  x  x  19 x  11x  30  0 en otra cuyas

4 3 2

raíces sean las de la ecuación dada disminuidas en 3 unidades.

Solución:

Como se nos pide que las raíces estén disminuidas en 3 unidades debemos tomar
k = 3. Utilizando el Esquema de Horner obtenemos

1 –1 –19 –11 30

3 3 6 –39 –150
1 2 –13 –50 –120
3 3 15 6
1 5 2 –44
3 3 24
1 8 26

3 3
1 11

Página 103
Entonces la ecuación transformada es f ( x)  x 4  11x 3  26 x 2  44 x  120  0

Las raíces de la ecuación dada son x1  3, x2  2, x3  1 y x4  5 , entonces las

de la ecuación transformada deben ser: x1  6, x2  5, x3  2 y x4  2.

Compruébelo.

2) Transformar la ecuación f ( x)  x 4  x 3  19 x 2  11x  30  0 en otra cuyas

raíces sean las de la ecuación dada aumentadas en 5 unidades.

Solución:
Observe que es la misma ecuación del ejemplo (1) pero ahora debemos transformarla en
otra que las raíces estén aumentadas en 5 unidades. Ahora k = –5

Utilizamos el Esquema de Horner obtenemos:

1 –1 –19 –11 30

–5 –5 30 –55 330
1 –6 11 –66 360

–5 55 –330
1 –11 66 –396

–5 80
1 –16 146

–5
1 –21

La ecuación transformada es f ( x)  x  21x  146 x  396 x  360  0

4 3 2

Como vimos las raíces de la ecuación dada son: x1  3, x2  2, x3  1 y x4  5,

Entonces x1  2, x2  3, x3  6 y x4  10 deben ser las de la ecuación

transformada. Compruébelo.

Página 104
11.1.2.3. Dada una Ecuación transformarla en otra cuyas raíces sean las recíprocas
de las raíces de la ecuación dada.

La idea es que partiendo de la ecuación f ( x)  0 , cuyas raíces son r1, r2 , r3 ,..., rn ,

obtener otra ecuación f 1
 
 x
0 cuyas raíces serán 1 , 1 , 1 , ... , 1 . Es decir, las
r1 r2 r3 rn
raíces son recíprocas a las raíces de f ( x)  0 .
n 1
Dada f ( x )  an x  an1 x
n
 an2 x n2  ...  a2 x 2  a1 x  a0  0 vamos a obtener

otra ecuación f ( y)  0 cuyas raíces sean las recíprocas de las de f ( x)  0 .

f ( y )  0  y  1x  x  1
y

Vamos a sustituir x  en f ( x)  0
1
y

  a      a  a  0
n n 1 n2 2
f ( y )  an 1
y n 1
1
y
 an  2 1
y
 ...  a2 1
y 1
1
y 0

Distribuyendo las potencias tenemos:

1 1 1 1 1
f ( y )  an n
 an 1 n 1
 an  2 n2
 ...  a2 2
 a1  a0  0
y y y y y
n
Multiplicando por y para eliminar los denominadores obtenemos:

f ( y)  an  an1 y  an2 y 2  ...  a2 y n2  a1 y n1  a0 y n  0

Intercambiando las variables y por x

f ( x)  an  an1 x  an2 x 2  ...  a2 x n2  a1 x n1  a0 x n  0

En conclusión:

Para transformar una ecuación en otra cuyas raíces sean las recíprocas de las
raíces de la ecuación dada, solo tenemos que invertir el orden de colocación de
los coeficientes de los términos de la ecuación dada.

Página 105
Ejemplos:

1) Transformar la ecuación f ( x)  x 4  4 x 3  x 2  16 x  12  0 en una que sus

raíces sean las recíprocas de f ( x)  0 , es decir, f 1

 
 x
0

Solución:

Aplicando la regla deducida anteriormente, sólo tenemos que intercambiar los

coeficientes.

Tememos que a4  1, a3  4, a2  1, a1  16  a0  12

Si intercambiamos los coeficientes obtenemos f ( x)  12 x 4  16 x3  x 2  4 x  1  0 que
es la ecuación transformada.

Observe que lo que se ha hecho es intercambiar a4  a0 a3  a1 a2  a2 .

Las raíces de la ecuación dada son: x1   2, x2  1, x3  2,  x4  3 .

Entonces las de la ecuación transformada tienen que ser:

1 1 1
x1   , x2  1, x3   x4  . Compruébelo.
2 2 3

2) Transformar la ecuación f ( x)  6 x 5  13 x 4  30 x 3  45 x 2  4 x  12  0 en

una que sus raíces sean las recíprocas de f ( x)  0

Solución:

Tememos que a5  6, a4  13, a3  30, a2  45, a1  4  a0  12

Si intercambiamos los coeficientes obtenemos:

f ( x)  12 x5  4 x 4  45 x3  30 x 2  13x  6  0 que es la ecuación transformada.

Página 106
Las raíces de la ecuación dada son:
2 1
x1   3, x2   , x3  1, x4   x5  2
3 2
Entonces las de la ecuación transformada tienen que ser:

1 3 1
x1   , x2   , x3  1, x4  2  x5  . Compruébelo.
3 2 2

12. Naturaleza de las Raíces de una Ecuación

12.1. Raíces nulas de una ecuación

Cuando en una ecuación falta el término independiente a0 pero no a1 podemos

afirmar que posee una raíz nula (x = 0 es raíz de la ecuación). Si faltan a0  a1 pero

no a2 entonces posee dos raíces nulas (x = 0 es raíz doble de la ecuación). Si faltan

a0 , a1  a2 pero no a3 entonces posee tres raíces nulas (x = 0 es raíz triple de la

ecuación), y así sucesivamente.

Ejemplos:

1) f ( x )  x 3  x 2  16 x  0

2) g ( x)  x5  x3  6 x 2  0

3) h( x )  x 5  x 4  3 x 3  0

4) P( x)  x7  x 6  2 x5  0

En los casos anteriores podemos afirmar que f(x) = 0 posee una raíz nula, g(x) = 0
posee dos raíces nulas, h(x) = 0 posee tres raíces nulas y P(x) = 0 tiene cinco raíces
nulas.

Página 107
12.2. Variación de signo

En un polinomio f ( x ) que esté ordenado de forma descendente se dice que hay una
variación de signo si dos términos sucesivos difieren en el signo. Para contar las
variaciones no importa que el polinomio no esté completo, lo que sí importa es que esté
ordenado descendentemente.

Ejemplos:

1) El polinomio f ( x)  2 x 4  5 x 3  3 x 2  4 x  1 presenta dos variaciones de

signo.

2) El polinomio f ( x)  x 6  x 4  5 x3  3x 2  4 x  1 presenta cinco variaciones

de signo.

12.3. Regla de los Signos de Descartes

Esta regla afirma que si f ( x)  0 es una ecuación polinómica entera con coeficientes
reales y sin raíces nulas tendrá tantas raíces reales positivas como variaciones de signo
o es menor que este en un número par. Esto quiere decir, por ejemplo que si f ( x)
tiene 5 variaciones de signo, entonces existe la posibilidad de que hayan 5 – 0 = 5,
5 – 2 = 3 ó 5 – 4 = 1 raíces positivas.

Para determinar el número de las posibles raíces reales negativas se aplica la misma
regla a la ecuación transformada en f ( x)  0 puesto que las raíces positivas de
f ( x)  0 son las negativas de f ( x)  0

Ejemplo:

1) Determinar la naturaleza de las raíces de la ecuación

f ( x)  x 5  5 x 3  10 x 2  2 x  8  0 por medio de la Regla de los Signos de

Descartes.

Página 108
Solución:
f ( x ) tiene dos variaciones de signo, por lo que hay 2 ó 0 raíces reales positivas

Hallamos f ( x)  x 5  5 x 3  10 x 2  2 x  8  0

Esta tiene una sola variación de signo por lo que hay exactamente una raíz real
negativa.

Entonces existen las siguientes posibilidades

Grado de la ecuación Raíces Raíces negativas Nulas Raíces

positivas complejas

5 2 1 0 2
5 0 1 0 4

2) Determinar la naturaleza de las raíces de la ecuación

f ( x)  x9  4 x 7  6 x 6  4 x 4  8  0 por medio de la Regla de los Signos de

Descartes.

Solución:
f ( x ) tiene tres variaciones de signos, por lo que hay 3 ó 1 raíces reales positivas

Hallamos f ( x)  x9  4 x 7  6 x 6  4 x 4  8  0
Esta tiene dos variaciones de signo por lo que hay 2 ó 0 raíces reales negativas.

Entonces existen las siguientes posibilidades

Grado de la ecuación Raíces positivas Raíces negativas Nulas Raíces complejas

9 3 2 0 4
9 3 0 0 6
9 1 2 0 6
9 1 0 0 8

Página 109
3) Determinar la naturaleza de las raíces de la ecuación

f ( x)  x 7  6 x 6  3x5  8 x 4  3x3  4 x 2  0 por medio de la Regla de los

Signos de Descartes.

Solución:
f ( x ) tiene cuatro variaciones de signo, por lo que hay 4, 2 ó 0 raíces reales
positivas. Se ve también que hay dos raíces nulas.

Hallamos f ( x)  x 7  6 x 6  3x 5  8 x 4  3x 3  4 x 2  0
Esta tiene una variación de signo por lo que hay exactamente 1 raíz real negativa.

Entonces existen las siguientes posibilidades

Grado de la ecuación Raíces positivas Raíces negativas Nulas Raíces complejas

7 4 1 2 0
7 2 1 2 2
7 0 1 2 4

12.4. Acotación de las Raíces Reales

Dada f ( x)  an x n  an1 x n1  an2 x n2  ...  a1 x  a0  0 una

ecuación entera de coeficientes reales donde an positivo vamos a determinar dos

números L0 y L  0 que llamaremos respectivamente cota superior y cota

inferior, tales que las raíces de f ( x)  0 se encuentren dentro del intervalo
( L, L) . Existen varios métodos para determinar los límites de las raíces de la
ecuación f ( x)  0 . Veremos a continuación uno de ellos denominado Regla de
Leguerre.

Página 110
12.4.1 Regla de Laguerre

Esta regla nos dará un método para encontrar el intervalo en el que se encuentran todas
las raíces reales de una ecuación.

Sea L un real positivo. Si al dividir f ( x ) entre ( x  L ) resultan positivos o cero

todos los coeficientes del cociente y el resto, entonces L es una cota superior de las
raíces positivas de la ecuación f ( x)  0 . Esto significa que no hay ninguna raíz
mayor que L.

Demostración:

La división f ( x )  ( x  L) puede indicarse así f ( x )  Q ( x ).( x  L )  R (1)

donde Q( x) tiene todos los coeficientes positivos o ceros y R  0 . Sea S un número

tal que S  L, entonces si en (1) evaluemos para x  S obtenemos:

f ( S )  Q ( S ).( S  L )  R (2).

En (2) Q( S )  0 porque Q( x) tiene todos sus términos positivos. S  L  0

porque SL y por hipótesis R  0 , lo que nos indica que necesariamente
f (S )  0 .

Como S es un número cualquiera mayor que L esto nos indica que la ecuación nunca

tomará un valor nulo (cero) en el intervalo ( L,  ) y que L es la cota superior de las

raíces de f ( x)  0 .

Para obtener L utilizamos el método de división sintética probando enteros hasta que
resulten positivos o cero todos los coeficientes del cociente y del resto.

Para obtener la cota inferior L procedemos de igual manera con la ecuación

transformada f ( x)  0 cambiando de signo al valor encontrado.

Página 111
Ejemplo:
Acotar las raíces reales de la ecuación:

f ( x)  x 6  4 x5  7 x 4  32 x3  31x 2  40 x  25  0

Solución:
Comenzamos a probar L =1

1 –4 7 32 31 40 25

1 1 –3 4 36 67 107
1 –3 4 36 67 107 132

Como no resultaron positivos o cero todos los coeficientes, debemos probar con un
número mayor que 1. Probemos con L = 2

1 –4 7 32 31 40 25

2 2 –4 6 76 214 508
1 –2 3 38 107 254 533

Tampoco resulta esta prueba. Probamos con L = 3

1 –4 7 32 31 40 25

3 3 –3 12 132 489 1587

1 –1 4 44 163 529 1612

Tampoco resulta esta prueba. Probamos con L = 4

1 –4 7 32 31 40 25

4 4 0 28 240 1084 4496

1 0 7 60 271 1124 4521

Para L = 4 resultaron positivos o cero todos los coeficientes del cociente y el resto por
lo que este valor es la cota superior de las raíces.

Página 112
Para encontrar la cota inferior hacemos la transformación de f ( x)  0 a

f ( x)  0 es decir f ( x)  x6  4 x5  7 x 4  32 x3  31x 2  40 x  25  0
Procedemos igual que el caso anterior

Probemos con L = 1

1 4 7 –32 31 –40 25

1 1 5 12 –20 11 –29
1 5 12 –20 11 –29 –4

No resulta esta prueba. Probamos con L = 2

1 4 7 –32 31 –40 25

2 2 12 38 12 66 52
1 6 19 6 33 26 77

Para L = 2 resultaron positivos todos los coeficientes del cociente y el resto por lo que
el opuesto de 2, o sea –2 es la cota inferior de las raíces. Entonces el intervalo de
acotación es (–2, 4). Esto significa que todas las raíces reales están entre –2 y 4.

12.5. Teorema de Bolzano

Si un polinomio f ( x)  an x n  an 1 x n 1  an 2 x n 2  ...  a1 x  a0 toma para

x  a  x  b, siendo a  b valores f (a)  f (b) de signos opuestos, la ecuación
f ( x)  0 tiene por lo menos una raíz en el intervalo (a , b) .

Este teorema permite la separación de las raíces reales de una ecuación.

Ejemplo:

Separar las raíces reales de la ecuación f ( x)  2 x3  7 x 2  2 x  3  0 aplicando el

teorema de Bolzano.

Página 113
Solución:

Primero determinamos la cota superior L y la cota inferior L`

2 7 2 3 2 7 2 3 2 7 2 3
1 2 5 7 2 4  6  16 3 6  3  15
2 5 7 4 2 3  8  13 2  1  5  12

Al probar con 1, 2 y 3 vemos que no son positivos o cero todos los coeficientes y el
resto por lo que ninguno de ellos son la cota superior.

2 7 2 3
4 8 4 8
2 1 2 11

Al probar con el 4 resultan positivos todos los coeficientes y el resto por lo que L = 4
es la cota superior.

Ahora procedemos de igual forma con f ( x)  0 para determinar la cota inferior.

f ( x)  2 x3  7 x 2  2 x  3  0

2 7 2 3
1 2 9 7
2 9 7 4

Al probar con 1 resultaron positivos todos los coeficientes y el resto por lo que L' = – 1
es la cota inferior. Entonces todas las raíces reales están en el intervalo (– 1, 4).

Veamos cómo se comporta f(x) al ser evaluada en los valores enteros del intervalo de
acotación (– 1, 4).

x –1 0 1 2 3 4

f(x) –4 3 –4 –13 –12 11

Página 114
En el intervalo (– 1, 0) f(x) cambia de signo, esto significa que en ese intervalo hay una
raíz. Lo mismo ocurre en los intervalos (0, 1) y (3, 4). Como la ecuación es tercer
grado se puede concluir que sus tres raíces son reales y se encuentran en los intervalos
indicados. Esto se puede confirmar en la siguiente gráfica.

EJERCICIOS PROPUESTOS

I- Para cada una de las siguientes ecuaciones indique lo que se pide.

Ecuación Grado ¿Cuáles ¿Cuáles son Grado de

son las múltiples? multiplicidad
raíces?

f(x) =(x – 3) 2 (x – 2)(x –1)=0

P(x) =(x + 1) 3 (x – 5) 2 (x +2)=0

h (x) = (x – 4 ) 5 (2 x – 3) 3 (3 x –1) 2 =0

Q (x) =( x – 2i ) ( x + 2 i )( x – 2)(x + 2)=0

Página 115
II- La siguiente es la gráfica de una función polinómica y = f(x).Analice y conteste.

1) ¿Cuáles son la raíces de f(x)=0?

2) ¿Cuál o cuáles son simples?

3) ¿Cuál o cuáles son múltiples?

4) ¿Cuál o cuáles tienen grado de multiplicidad par?

5) ¿Cuál o cuáles tienen grado de multiplicidad impar?

6) ¿Cuál es el menor grado que puede ser f(x)=0?

III- ¿A cuál de las siguientes ecuaciones corresponde esta gráfica?

a) f(x) =(x–1) 2 (x +1)(x–3)=0

b) f(x) =(x–1) 3 (x+1) 2 (x+3)=0

c) f(x) =(x–1) (x+1) 2 (x–3)=0

d) f(x) =(x–1) (x+1) 2 (x–3)=0

Página 116
IV- Determine todas las raíces de la ecuación f ( x)  x 6  x 5  x 4  x 3  12 x 2  12 x  0 ,
sabiendo que: x1  1, x2  2i  x3  3 .

V- Use la relación entre las raíces y los coeficientes para formar la ecuación cuyas
raíces son: x 1  3, x 2  1  x 3  2 y an = 1.

VI- Determine los valores de a y b para que 2 sea raíz doble de la ecuación:

f(x) = x3 – 5x2 + ax + b = 0.

VII- Resuelva la siguiente ecuación f(x) = x5 – 2x4 – 16 x3 + x2 – 12x + 4= 0.

VIII- Dada la ecuación f(x) = x4 – 4x3 + 3x2 + 4x – 4 = 0. Determine todo lo que se pide
a continuación.

1) Halle todas las raíces de la ecuación f(x) = 0

2) Si tiene raíces múltiples transfórmela en otra que tenga las mismas raíces pero todas
simples.

3) Transforme la ecuación f(x) = 0 en otra que las raíces sean el doble de las raíces de
la ecuación dada.

2
4) Transforme la ecuación f(x) = 0 en otra que las raíces sean de las raíces de la
3
ecuación dada.

5) Transforme la ecuación f(x) = 0 en otra que las raíces sean las opuestas de las raíces
de la ecuación dada.

6) Transforme la ecuación f(x) = 0 en otra que las raíces sean las recíprocas de las raíces
de la ecuación dada.

Página 117
7) Transforme la ecuación f(x) = 0 en otra que las raíces sean las de la ecuación dada
disminuidas en 3 unidades.

8) Transforme la ecuación f(x) = 0 en otra que las raíces sean las de la ecuación dada
aumentadas en 2 unidades.

IX- Aplique la Regla de Descartes para determinar la naturaleza de las raíces de la

ecuación f(x) = x4 + 22x3 –15x2 = 0.
Grado de la ecuación Raíces positivas Raíces negativas Nulas Raíces complejas

X- Dada la ecuación f(x) = 6x4 + 7x3 – 13x2 – 9x + 3 = 0, determine:

1) La naturaleza de las raíces.

2) El intervalo de acotación de las raíces de la ecuación.

3) Cuántas raíces reales hay, aplicando el teorema de Bolzano.

4) Las posibles raíces racionales del intervalo de acotación.

5) Todas las raíces racionales que hayan.

Página 118
UNIDAD 4: MATRICES

1. Definición de Matriz:

Por el uso constante de las matemáticas en la ciencia y la tecnología, así como en otros
campos del saber humano, se hace necesario el estudio de las matrices, las cuales
constituyen herramientas eminentemente útiles por su valor estructural y operativo. Las
matrices se utilizan en la mayoría de las ciencias y en la misma matemática para
resolver cálculos numéricos, en la resolución de sistemas de ecuaciones lineales, de las
ecuaciones diferenciales y de las derivadas parciales. Una gran cantidad de las
operaciones realizadas por las computadoras se hacen tomando como elementos a las
matrices. Tienen también muchas aplicaciones en el campo de la física.

Definición: Una matriz es un arreglo rectangular de elementos ordenados en filas y

columnas. Estos elementos pueden ser números reales, complejos, funciones, etc. y se
acostumbran a colocar entre corchetes.
En este curso trataremos con matrices cuyas entradas serán números reales.

1.1. Notación:
Las matrices, en general, se denotan por letras mayúscula y sus elementos se designan
por letras minúsculas seguidas de dos subíndices i, j, el primero (i) indica la fila en que
está ese elemento y el segundo (j) la columna.

 a11 a12 ... a1 j ... a1n 

a a22 ... a2 j ... a2 n 
 21 
     
Amn 
 ai1 ai 2 ... aij ... ain 
 
  aij
      Fila i
 
 am1 am 2 ... amj ... amn 

Columna j

En este caso, por ejemplo, Amn está denotando a una matriz que tiene m filas y n
columnas y el elemento a12 nos indica que está en la fila 1 y la columna 2.

Página 119
Sea i el número de filas y j el número de columnas a que pertenece cada elemento de

la matriz; luego aij representa un elemento cualquiera de la matriz, donde 1 i  m y

1 j  n.

Es importante tener presente que una matriz no tiene valor numérico y que solo es una
manera de ordenar datos.

1.2. Ejemplos de algunos de los usos que se les da a las matrices:

1) La matriz siguiente proporciona las distancias entre las ciudades indicadas (en
millas)
Londres Madrid New York Tokio
Londres  0 785 3, 469 5,959 
Madrid  785 0 3,593 6, 706 
New York  3, 469 3,593 0 6, 757 
 
Tokio  5,959 6, 706 6, 757 0 

2) Un supermercado tiene 4 sucursales en diferentes ciudades del país. La siguiente

matriz representa las ventas en pesos de cada una de ellas durante una semana:

Lunes Martes Miércoles Jueves Viernes Sábado Domingo

Sucursal A  83, 250 70, 275 93, 245 75,630 90, 465 105, 456 87,508
Sucursal B  54,750 50, 275 67, 436 61,930 73, 460 72,050 68,655 

Sucursal C  64,348 60,380 71,125 73,340 69,500 83,925 75,320 
 
Sucursal D  58,780 55,895 65,750 63,685 56,800 67,945 62,070 

1.3. Tamaño u Orden de una Matriz:

Es el número de elementos que posee la matriz, el cual viene definido mediante el
producto indicado entre el número de filas y el número de columnas.

Ejemplos:

 2 1
 3 4 7 3) C1 6  1 2 5 7 8 1
1) A2  3    2) B3 2  4 7 
 5 2 1   
 0 1 
Matriz A de orden 2 por 3 Matriz C de orden 1 por 6
Matriz B de orden 3 por 2

Página 120
2. Tipo de Matrices:

2.1. Matriz Cuadrada:

La matriz cuadrada es aquella donde el número de filas es igual al número de columnas;
es decir, m  n .

Cuando la matriz es cuadrada el orden se indica con un solo valor  An  n  An  .

 3 2 1
Ejemplo: A3   4 0 1  es una matriz cuadrada de orden 3.
 
 2 3 5 

2.2. Matriz Fila o Vector Fila:

Se llama matriz fila o vector fila a la matriz que tiene una sola fila A1n .

Ejemplos: a) A1 m   a11 a12 ... a1n  b) M1 3   2 5 2

2.3. Matriz Columna o Vector Columna:

Se llama matriz o vector columna a la matriz que tiene una sola columna. Am1

 a11 
a  3
Ejemplos: a) A m 1    b) M 31   2 
12

 ...   
   4 
 a1m 

2.4. Matriz nula (0):

Es aquella cuyos elementos son iguales a cero.

0 0 0 0
0 0 0 0
0 0 0
Ejemplos: a) A2  3    b) B4   
0 0 0 0 0 0 0
 
0 0 0 0

Página 121
3. Matrices Iguales:

Dos matrices son iguales si sus elementos correspondientes son iguales, es decir, sean
Am  n   aij  y Bm  n   bij  , entonces A y B son iguales si y sólo si aij  bij .

2 5 w z 
Ejemplo: Si A    y B  ¿cuáles son los valores de w, z, y y t para
4 7 y t
que A  B ?

w  2, z  5, y4 y t 7

4. Matrices Opuestas:
Son aquellas matrices cuyos elementos correspondientes son opuestos, es decir, sean
Am  n   aij  y Bm  n   bij  son opuestas si y sólo si aij  bij .

 3 2   3 2 
Ejemplo: A    y B  son dos matrices opuestas.
4 0   4 0 

5. Diagonal Principal y Diagonal Secundaria de una Matriz Cuadrada:

Se llama diagonal principal de una matriz cuadrada a la línea definida por los
elementos aij donde i  j ; es decir, a11 , a22 , a33 ,..., ann . Y diagonal secundaria a la

línea definida por los elementos aij donde i  j  n  1; es decir,

a1n , a2( n1) , a3( n2) ,..., an1 .

Ejemplo:

 2 1 3 4  2 1 3 4
 3 4 1  3 4 1 2
2
A  A 
 0 7 5 3  0 7 5 3 
   
1 6 1 3 1 6 1 3
.
Diagonal Principal Diagonal secundaria

Página 122
6. Traza de una Matriz:

La traza de una matriz cuadrada es la sumatoria de los elementos de la diagonal

n
principal; es decir, Tr  An   a
i  j 1
ij para i  j.

Ejemplos:

2 3
a) Hallar la traza de la matriz A    . Tr  A   a11  a22  2  7  9
 4 7 
0 0 
b) Hallar la traza de la matriz B    . Tr  B   b11  b22  0  0  0
0 0 
 3 1 4 
c) Hallar la traza de la matriz D   5 7 5 
 
 1 6 4 

Tr  D   d11  d 22  d33  3  7  4  0

7. Otros Tipos de Matrices:

7.1. Matriz Diagonal:

Se llama matriz diagonal a la matriz cuyos elementos que no están en la diagonal

principal son iguales a cero, es decir aij  0 para i  j.

Ejemplos:
3 0 0 1 0 0  0 0 0  0 0 0 
A  0 2 0 B  0 1 0  D  0 2 0  M  0 0 0 
       
 0 0 1   0 0 1  0 0 0  0 0 0 

7.2. Matriz Escalar:

Se llama matriz escalar a la matriz diagonal cuyos elementos de la diagonal principal

son iguales a una constante, es decir, aij  0 para i  j  aij  k para i  j

siendo k un escalar cualquiera.

Página 123
 k 0 0  3 0 0 1 0 0  0 0 0 
Ejemplos: A   0 k 0  B  0 3 0 R  0 1 0  M  0 0 0 
       
 0 0 k   0 0 3   0 0 1  0 0 0 

7.3. Matriz Identidad o Unidad ( In ):

Se llama matriz identidad o unidad a la matriz escalar cuyo elemento de la diagonal

principal es igual a la unidad positiva (1). Es decir, aij  0 para i  j  aij  1

para i  j . Este tipo de matriz se representa por I n .

1 0 0 0
1 0 0  0
1 0  1 0 0
Ejemplos: I 2    I 3  0 1 0  I4   
0 1    0 0 1 0
0 0 1   
0 0 0 1

7.4. Matriz Triangular:

Se llama matriz triangular a la matriz cuadrada cuyos elementos por encima o por
debajo de la diagonal principal son iguales a cero. Esta puede ser superior o inferior.
aij  0 para i  j  aij  0 para i  j.

7.4.1. Matriz Triangular Superior y Triangular Inferior:

Se llama matriz triangular superior a la matriz triangular cuyos elementos por debajo
de la diagonal principal son iguales a cero. Es decir, aij  0 para i  j.

Se llama matriz triangular inferior a la matriz cuyos elementos por encima de la

diagonal principal son iguales a cero. Es decir, aij  0 para i  j.

2 2 1  2 0 0
M   0 1 2  N  4 1 0
Ejemplos:    
 0 0 3   5 0 3 
M es una matriz triangular superior N es una matrices triangular inferior

Página 124
EJERCICIOS PROPUESTOS

I.- 1) Forme la matriz A de orden 4 cuyos elementos correspondan a lo que se indica:

aii  5 (i  j ) para i  1,2,3,4

a12  3 a13  4 a14  2
a24  6 a34  7 a23  5
a12  a21  5 a13  a31  5 a14  a41   6
a24  a42  8 a34  a43  10 a23  a32   15

2) Forme una matriz B de orden 3 x 2 cuyos elementos vienen dados por

bij  i 2  3 j

3) Forme una matriz C de orden 2 x 4 cuyos elementos vienen dados por

cij  2i  j

 1 0 x 

II- Dada la matriz A   y  1 2 4  determine los valores de las variables para

 5  3 w  2 
que:

1 0 3 

1) A sea igual a B  0 2 4 

5  3 3 

Página 125
  1 0 3 
2) A sea opuesta a C   5  2  4 
  5 3 7 

3) La traza de A sea igual a 4

3 1 3 4  3 0 0  1 0 0 
III- Dada las matrices: A  5  2 4 7  B  1 5 0  C  0 0 0 
1 6 3 2   2 1 1  0 0 1 

0 0 0 0
7 0 0  3 0 0  0
1 0  0 0 0
D  0 7 0  E  F  1 0 0  G  , determine:
    0 0 0 0
0 0 7  0 1  2 1 1   
0 0 0 0

1) ¿Cuál es el orden de la matriz A? ___________

2) ¿Cuál o cuáles matrices son?

Diagonal: _______________ Escalar:________________

Identidad o unidad: ________________ Nula: _________________

Triangular superior: _______________ Triangular inferior: _________________

IV- Escriba la matriz que se indica en cada caso:

1) Una matriz 5 x 3.

2) Una matriz diagonal de orden 4.

3) Una matriz escalar de orden 5.

4) Una matriz identidad de orden 6.

Página 126
8. Operaciones con Matrices:

8.1. Adición o Suma:

Para sumar dos matrices, estas tienen que ser del mismo orden, siendo la matriz suma
otra matriz del orden de las matrices sumando y cuyos elementos se obtienen sumando
los elementos correspondientes de cada una de ellas. Es decir, si Amn   aij  y

Bmn   bij  decimos que

 a11  b11 a12  b12 ... a1 j  b1 j ... a1n  b1n 

a b a  b ... a  b ... a  b 
 21 21 22 22 2 j 2 j 2 n 2 n 
     
Amn  Bmn   aij  bij   
mn
 ai1  bi1 ai 2  bi 2 ... a ij  bij ... a in  bin 
     
 
a 
 m1 m1 b am2  bm2 ... a mj  bmj ... amn  bmn 

 2 3 4  1 3 2 
Ejemplo: Si A    y B   0 4 5  , hallar A  B
 1 3 2   

  2  1  3  3  4  2    1 6 2
A B   
 1  0   3  4   2  5  1 7 7 

8.1.1. Propiedades de la Suma de Matrices:

Sea M mn el conjunto de todas las matrices m  n

1. Para toda matrices A, B  M mn se cumple que A  B  M mn . Es decir, la suma de

matrices es cumple la propiedad de cerradura o clausurativa.

2. Para todas matrices A, B  M m  n se cumple que A  B  B  A . Es decir, que la

suma de matrices es conmutativa.

Página 127
  3 2 1  2 1 1
   
Ejemplo: Sean A   4 0 1  y B   3 4 0  , calcular A  B y B  A.
 2 3 5   7 1 3 
   

 3 2 1  2 1 1  3  2 2  1 1  1  5 3 2 
A  B   4 0 1    3 4 0    4  3 0  4 1  0    7 4 1 
 
 2 3 5   7 1 3   2  7 3  1 5  3   9 2 8 
       

 2 1 1  3 2 1  2  3 1  2 1  1  5 3 2 
B  A   3 4 0    4 0 1    3  4 4  0 0  1    7 4 1 
 
 7 1 3   2 3 5   7  2 1  3 3  5   9 2 8 
       

3. Para todas matrices A, B, C  M m  n se cumple que ( A  B)  C  A  ( B  C ) . Es

decir, que la suma de matrices es asociativa.

4. Para toda matriz A  M mn existe la matriz 0 M mn tal que A + 0 = 0 + A = A

siendo 0  M mn la matriz nula que es la identidad o neutro para la suma de matrices.

 3 2 1
 
Ejemplo: Sea B   4 0 6  , calcular B + 0
 2 7 1 
 

 3 2 1  0 0 0   3  0 2  0 1  0   3 2 1
B  0   4 0 6    0 0 0    4  0 0  0 6  0    4 0 6   B
 2 7 1   0 0 0   2  0 7  0 1  0   2 7 1 
       

5. Para toda matriz A  M mn existe  A  M m  n tal que A  ( A)  0 M m  n . La

matriz A es llamada la matriz opuesta o inversa aditiva de A .

 3 2 1   3 2 1 
   A   4 0 1  calcular A  ( A)
Ejemplo: Sean A   4 0 1  y
 2 3 5   2 3 5 
   

Página 128
  3 2 1  3 2 1   3  3 2  2 1  1   0 0 0 
A  ( A)   4 0 1    4 0 1    4  4 0  0 1  1    0 0 0 
 2 3 5   2 3 5   2  2 3  3 5  5   0 0 0 
       

8.2. Resta o Diferencia:

Para restar dos matrices, que sean del mismo orden, se suma la matriz minuendo con la
opuesta de la matriz sustraendo. Es decir, sean Am  n   aij  y Bm  n   bij  decimos
que Am  n  Bm  n   A    B  m  n  (aij  bij )  (aij  (bij ))

 2 3 4  1 3 2 
Ejemplo: Sea A  
  y  , hallar A  B
 1 3 2   0 4 5 

 2 3 4  1 3 2    2  1  3  (3)   4  2  
A  B  A  ( B )    
 1 3 2  0 4 5  1  0   3  (4)   2  (5) 
3 0 6
 
 1 1 3

8.3. Producto de una Matriz por un Escalar:

Para multiplicar una matriz por un escalar, se multiplica el escalar por cada elemento de
la matriz. Es decir, si Am  n   aij  y k un escalar, entonces kA   kaij  .

 2 3 4
Ejemplo: Sea A    una matriz y k  2 , hallar kA .
 1 3 2 

 2 3 4   2(2) 2(3) 2(4)   4 6 8 

kA  2 A  2    
 1 3 2   2(1) 2(3) 2(2)   2 6 4 

8.3.1. Propiedades de la Multiplicación de una Matriz por un Escalar:

Sean A, B  M m  n y k , t  R , entonces se cumple lo siguiente:

1. k . A  M m  n

2. k.(t. A)  (k.t ). A

Página 129
 3. k.( A  B)  k. A  k.B

4. (k  t ). A  k. A  t. A

5. 1. A  A

8.4. El Espacio Vectorial de las Matrices Mm n :

Como se ha observado, la suma de matrices y la multiplicación de un escalar por una
matriz cumplen con las 10 propiedades requeridas para formar un espacio vectorial. Por
lo que el conjunto de todas las matrices M m  n con la suma de matrices y la
multiplicación por escalar aquí definida constituyen un espacio vectorial en el campo
de los números reales.

8.5. Multiplicación de Matrices:

8.5.1. Producto de una Matriz Fila por una Matriz Columna:

El producto de multiplicar una matriz fila A 1 m   a1 j  por una matriz columna

Bm 1   bi1  , donde el número de columnas de A es igual al número de filas de B, es la
matriz C11   c11  , que se obtiene de la siguiente manera:
 m 
 c11    a1 j   bi1     a1 jbi1  a11b11  a12b21  a13b31  ...  a1mbm1 
 i  j 1 
1
Ejemplo: Sean A  3 2 4 y B   2  , hallar AB.
 3 
AB   31   2  2    4  3   3  4  12  19

8.5.2. Producto de dos Matrices Cualesquiera:

Sea Am  p   aik  y Bp  n  bkj  donde 1  i  m; 1  k  p y 1  j  n , el producto

 p 
de A por B viene dado por AB  Cm  n , donde Cm  n   cij     aik bkj  .
 k 1 

Página 130
  a11 a12  a1 p 
 
 a21 a22  a2 p  b11 b12  b1 j  b1n  c11 c12  c1n 
    
   b21 b22  b2 j  b2 n  c21 c22  c2 n 
Am p Bp n   
 ai1 ai 2  aip         cij  
     
    bp1 bp 2  bpj  bpn  cm1 cm 2  cmn 
 am1 am 2  amp 

Es decir; para multiplicar dos matrices cualesquiera es necesario que el número de
columnas de la primera matriz factor sea igual al número de filas de la segunda
matriz factor, siendo la matriz producto de orden igual al producto indicado entre el
número de filas de la primera matriz factor y el número de columnas de la segunda
matriz; y cada elemento de la matriz producto resulta de multiplicar la i  esima fila de
la primera matriz por la j  esima columna de la segunda matriz. O sea hay que
multiplicar cada fila de la primera matriz por cada una de las columnas de la segunda
matriz.

 1 3
 2 3 1
Ejemplo: Sean A    y B   4 2 
4 0 2   1 5 
1) Hallar AB.
A B
El producto AB está definido ya que el número de columnas
2 x 3 3 x 2
de A es igual al número de filas de B.

 1 3
 2 3 1 
AB      2 1   3 4    1 1  2  3   3 2    1 5 
    4 1   0  4    2  1  4  3   0  2    2  5  
4 2
 4 0 2   
 1 5 
 2  12  1 6  6  5  15 7 
AB    
 4  0  2 12  0  10   2 22 

2) Hallar BA .
B A
El producto BA está definido ya que el número de columnas
3x 2 2 x 3
de B es igual al número de filas de A.

Página 131
  1 3  2  12 3  0 1  6  14 3 5 
   2 3 1 
BA  4 2    8  8 12  0 4  4   16 12 0 
  4 0 2    
 1 5    2  20 3  0 1  10  18 3 11

Observe que AB  BA ; es decir, la multiplicación de matrices no es conmutativa.

A B B A
Además y
2 x 3 3 x 2 3x 2 2 x 3

tamaño de AB tamaño de BA

8.5.3. Potencia Entera de una Matriz Cuadrada:

Sea A  (aij ) una matriz cuadrada de orden n, si queremos obtener una potencia entera

positiva de A solo tenemos que multiplicar por sí misma tantas veces como lo indique
la potencia. En general A2  AA , A3  A2 A , A4  A2 A2  A3 A , An  AAn1.

 2 1
Ejemplo: Sea A    hallar A2 , A3 y A4
 1 3

 2 1  2 1  4  1 2  3   3 5
A2  AA     1 3   2  3 1  9    5 8 
 1 3      

 3 5  2 1  6  5 3  15   1 18
A3  A2 A     1 3  10  8 5  24    18 19 

 5 8      

 3 5  3 5  9  25 15  40   16 55
A4  A2 A2          55 39 
 5 8  5 8   15  40 25  64   

8.5.4. Propiedades de la Multiplicación de Matrices:

Sean A, B y C matrices conformes con la multiplicación; es decir que está definida la

multiplicación entre ellas:

1. A  BC    AB  C propiedad asociativa.

2. A  B  C   AB  AC 1ra. propiedad distributiva

3. ( A  B) C  AC  BC 2da. propiedad distributiva

Página 132
Sin embargo

4. AB  BA en general no se cumple la propiedad conmutativa (como ya vimos en

el ejemplo anterior).

5. AB  0 no implica necesariamente que A  0  B  0.

2 0 0 0 
Ejemplo: Sean las matrices A    , B  3 1  ninguna de las cuales es la matriz
4 0  
cero. Pero si hallamos el producto AB obtenemos la matriz cero ya que

 2 0 0 0   2(0)  0(3) 2(0)  0(1)  0 0 

AB      
 4 0 3 1   4(0)  0(3) 4(0)  0(1)  0 0 

AB = 0 sin que ni A ni B sean 0.

6. AB  AC no implica necesariamente que B  C .

 A  B  A2  AB  BA  B 2
2
7.

EJERCICIOS PROPUESTOS

I.- Dadas las matrices:

 1 3 
 3 2 1  1 4
A  B  2 4  C 
 
0 4 5   5 8   2 3 

 1 2 3  1 2  0 1 4 
D   5 4 0 E   3  4  F   3 5 3
   
 6 8 2   1 2   1 7 9 

determine, si es posible:

1) B  E 2) 3D  5F 3) AB  3C

Página 133
4) A  B 5) BA  2 D 6) BE

7) D  3BA
2
8) C 3 9)  tr  D   AB   tr  C   C

10) La matriz X si X  7C  AE 11) La matriz X si 2 X  3D  5F

9. Matriz Transpuesta  AT  :

Dada una matriz A, la matriz transpuesta de A que se denota AT es la matriz que se

obtiene al intercambiar las filas por las columnas y las columnas por las filas de A. Si
A   aij  es una matriz de orden m x n , la matriz transpuesta de A es la matriz de orden

   a  .
T
n x m AT  aij ji

 3 1 4 
 3 2 4 7 2 3 0 
Ejemplo:  
Si A  1 3 5 6 entonces A  
T .
   4 5 1
 4 0 1 2   
7 6 2 

9.1. Propiedades que Cumple la Transposición de Matrices:

 A  B  AT  BT
T
1.

2. A 
T T
A

 kA  kAT si k
T
3. es un escalar.
 AB   BT AT
T
4.

10. Matriz Simétrica:

Una matriz cuadrada An es simétrica si y sólo si An  AnT . En una matriz simétrica se

cumple que aij  a ji para todos los valores de i y j. Es decir, los elementos que

equidistan de la diagonal principal son iguales.

Página 134
  2 4 5   2 4 5 
Ejemplo: A  4 3 2 es simétrica ya que A  A   4 3 2 
  T
   
 5 2 5   5 2 5 

Además a12  a21  4, a13  a31  5 y a23  a32  2 .

11. Matriz Antisimétrica:

Una matriz cuadrada es antisimétrica si y sólo si An   AnT . En una matriz antisimétrica

se cumple que aij  0 si i  j y aij  a ji si i  j . Es decir, los elementos de la

diagonal principal son iguales a cero y los elementos que equidistan de ella son
opuestos.

Ejemplo:
 0 2 3   0 2 3   0 2 3 
Sea A   2 0 5  , entonces A   2 0 5 
T
y A   A   2 0 5 .
T
     
 3 5 0   3 5 0   3 5 0 

Además a11  a22  a33  0 y a12  a21, a13  a31 y a23  a32

12. Matriz Normal:

Una matriz es normal si conmuta con su transpuesta, esto es, si AAT  AT A . Observe
que si A es simétrica o antisimétrica, es necesariamente normal.

 6 3  6 3  6 3  45 0 
Ejemplo: Sea A    . Entonces: AAT
  3 6   3 6    0 45 y
3 6       
 6 3 6 3  45 0 
AT A     3 6    0 45 .
 3 6     

Puesto que AAT  AT A , la matriz A es normal.

1 2 5 
Compruebe si la matriz A   2 3  1 es normal.
5  1 4 

Página 135
13. Matriz Ortogonal:

Decimos que una matriz cuadrada es ortogonal, si AAT  AT A  I .

 1 3
 
Ejemplo: La matriz A   2 2  es ortogonal ya que:
 3 1 
 
 2 2 

 1   1  1   3  3   1  3   3  1  
3 1 3 
                 
2 2  2 2    2  2   2  2   2   2   2  2  
AA  
T
 
 3 1  3 1   3  1   1  3   3  3   1  1  
                 
 2 2  2 2   2   2   2   2   2  2   2  2  

 1 3 3 3
    
4 4 4 4  1 0 
  
 3 3 3 1  0 1 
   
 4 4 4 4 

1 0 
Compruebe que AT A    y por lo tanto A es una matriz ortogonal.
 0 1 

14. Combinación Lineal de las Filas y Columnas de una Matriz:

Se llama combinación lineal de varias filas o columnas de una matriz, a otra fila o
columna que resulte de sumar sus elementos después de multiplicarlos por ciertos
números llamados coeficientes.

1 2 3 4 
 
Ejemplo: Sea la matriz A  0 1 2 5 , la fila 3 es combinación lineal de
 3 4 5 2 
 

las filas 1 y 2 ya que F3  3F1  2 F2 , observe:

F1  (1, 2,3, 4) 3F1  (3, 6,9,12)

F2  (0,1, 2, 5) 2 F2  (0, 2, 4, 10)
F3  (3, 4,5, 2) F3  3F  2 F2  (3, 4,5, 2)

Página 136
15. Dependencia Lineal de las Filas y Columnas de una Matriz:

Una fila o columna de una matriz es linealmente dependiente de otras cuando es una
combinación lineal de las mismas.

Ejemplo: En el ejemplo anterior, la fila 3 es linealmente dependiente porque es

combinación lineal de las filas 1 y 2.

16. Independencia Lineal de las Filas y Columnas de una Matriz:

Varias filas o columnas de una matriz son linealmente independientes, o no existe una
relación lineal entre ellas, cuando ninguna se puede expresar como combinación lineal
de las otras.
1 2 3 4 
 
Ejemplo: La matriz A  0 1 2 5 tiene sus tres filas linealmente
0 4 5 2 
 
independientes.

17. Rango o Característica de una Matriz h  A  :

Es el número máximo de filas o columnas linealmente independiente que posee la

matriz. Si una fila o columna de una matriz es combinación lineal de otras paralelas a
ella, al suprimirla se obtiene otra matriz de igual característica.

 2 3 1 
Ejemplo: En la matriz A   5 7 2  se verifica que F3  2 F1  F2 por tanto la
 1 1 4 

característica de A es igual a 2 es decir que h  A   2 .

18. Matriz Ampliada:

Es aquella que resulta al agregar por la derecha, a una matriz dada, otra matriz de igual
número de filas.

Página 137
Ejemplos:

3 2 4  2 3 
1) sean las matrices A    y B  1 1 la matriz ampliada A / B viene
5 1 7   

3 2 4 : 2 3 
dada por A / B   
5 1 7 : 1 1

2 3 4 2 3 4 : 1 0 0
2) Sea la matriz A   5 1 7  , la matriz ampliada A / I   5 1 7 : 0 1 0 
 0 2 1   0 2 1 : 0 0 1 

19. Transformaciones u Operaciones Elementales en una Matriz:

Son operaciones que se realizan sobre las filas o columnas de una matriz sin alterar ni
su orden ni su característica o rango. Las tres transformaciones elementales son:

 Intercambio de dos filas o columnas.

 Multiplicar una fila o columna por un escalar diferente de cero.

 Sumar a una fila o columna una o más filas o columnas previamente

multiplicadas por un escalar diferente de cero.

20. Matrices Equivalentes:

Dos matrices A  B son equivalentes ( A  B ) si una es obtenida de la otra mediante una

o más transformaciones elementales. Las matrices equivalentes tienen el mismo orden e
igual característica.

Ejemplo:

2 3 4  5 1 7  4 6 8  2 3 4
Sean A   5 1 7  , B   2 3 4  , C   5 1 7 

y D   5 1 7 

 0 2 1   0 2 1   0 2 1   4 8 9 

Página 138
Las matrices B, C  D son equivalentes a la matriz A ya que: B se obtuvo de A
intercambiando F1  F2 . C se obtuvo haciendo 2F1 y D se obtuvo sustituyendo F3
por 2 F1  F3 .

21. Matriz Elemental E:

Una matriz cuadrada se denomina “matriz elemental” si se puede obtener a partir de la

matriz identidad In mediante una sola transformación u operación elemental.

Ejemplo: Obtener dos matrices elementales de 3 x 3

1 0 0  1 0 0  1 0 0  1 0 0 
1) 0 1 0  f 2  3 f 2  0 3 0  2) 0 1 0   0 1 0 
 
0 0 1  0 0 1  0 0 1  f3  f3  5 f1 5 0 1 

22. Matriz Escalonada:

Una matriz está en la forma escalonada si se cumplen las siguientes condiciones:

1. Todas las filas que consistan solo de ceros (si existen) están en la parte inferior de
la matriz.

2. El primer elemento no nulo (distinto de cero) de cada fila, llamado pivote, está a
la derecha del pivote de la fila anterior. Esto supone que todos los elementos
debajo de un pivote son ceros.

Ejemplos: Las siguientes matrices son matrices escalonadas

1 3 0 
2 1 0 1 3  
0 4 8 1 5 1 1 6 4 
 0 4 2    3 0 2 5 
A  B  0 0 3  C  0 2 1 8 D   
0 0 1 0 4    0 0 1 2
   
0 0 0  0 0 0 1 
 0 0 0 0 6  0 0 0 

Página 139
23. Matriz en la Forma Escalonada Reducida:

Una matriz está en la forma escalonada reducida si, además de las dos condiciones,
anteriores cumple las siguientes condiciones:

1. Sus pivotes son todos iguales a 1.

2. En cada fila el pivote es el único elemento no nulo de su columna.

Ejemplos: Las siguientes matrices son matrices escalonadas reducidas.

1 0 0
1 0 0 0 0   1 0 0 0 
0 1 0 0 0  0 1 0
  1 3 2 0 
A B  0 0 1 C  0 0 1 0  D 
0 0 1 0 0   0 0 0 1 
  0 0 0 1 
0 0 0  
0 0 0 1 0
0 0 0 

24. Cálculo del Rango o Característica de una Matriz:

Para calcular el rango o característica de una matriz se transforma la matriz dada en

una matriz escalonada mediante el uso de las transformaciones u operaciones
elementales; siendo el rango o característica de la matriz dada el número de filas no
nulas que posee la matriz escalonada equivalente.

Para escalonar una matriz se toma como pivote el primer elemento no nulo de la
primera fila y se hacen cero todos los demás elementos que están por debajo de él. Para
esto se puede efectuar cualquiera de las tres transformaciones u operaciones
elementales. Este proceso se repite con la segunda fila y así sucesivamente cuantas
veces sea necesario.

El rango o característica de la matriz escalonada es igual al de la matriz original y es

igual al número de filas que no se anulan.

 2 3 1 

Ejemplo: Calcular el rango o característica de la matriz A   5 7 2 

 1 1 4 

Página 140
  2 3 1   2 3 1   2 3 1 
  
A  5 7 2 f 2  2 f 2  5 f1  0 1 9    0 1 9 
     
 1 1 4  f3  2 f3  f1  0 1 9  f 3  f 3  f 2  0 0 0 

Luego tenemos que h  A   2

Ejemplo:

 1 3 1 4 5
2 5 3 2 1
 
Calcular la característica de la matriz A   3 8 2 6 6
 
 2 6 2 8 10 
 1 2 4 2 4 

 1 3 1 4 5 1 3 1 4 5  1 3 1 4 5 
2 5 3 2 1 f 2  f 2  2 f1  0 1 5 6 9  0 1 5 6 9 
     
A3 8 2 6 6 f3  f3  3 f1  0 1 5 6 9  f3  f3  f 2  0 0 0 0 0
     
 2 6 2 8 10  f 4  f 4  2 f1 0 0 0 0 0 0 0 0 0 0 
 1 2 4 2 4  f5  f5  f1 0 1 5 6 9  f5  f5  f 2 0 0 0 0 0 

Luego la característica de la matriz es igual a 2; h  A   2

EJERCICIOS PROPUESTOS

I.- Determine el rango o característica de la matriz:

 1 1 1 
1) A   2 1 3
 3 2 1

1 3 1 2 

2) B   2 5 0 3

1 2 1 5

Página 141
  1 2 3 4 
 2 1 5 7 
3) C   
 3 6 9 12 
 
 2 4 6 8 

 1 3  2
 2  6 4 
4) D   
 3 2  1
 
 1 4 3

 1 3 2 1
 1  2 3  3
5) E   
 0 4 1 2
 
 1 5 1 3 

II.- Determine para qué valor de x el rango o característica de la matriz A es:

1 2 1
1) A   2 3 2 
1 5 x 

a) 2 b) 3

Página 142
UNIDAD 5: SISTEMAS DE ECUACIONES LINEALES (SEL)

1. Ecuación Lineal:

Muchos de los problemas que se presentan en las Ciencias Naturales, Sociales,

Económicas, etc. en Ingeniería, en Física y muchos otros casos del quehacer cotidiano,
tienen que ver con ecuaciones que relacionan a dos conjuntos de variables.

Una ecuación del tipo a x  b , que expresa a la variable b en término de la variable x y

la constante a se denomina ecuación lineal.

De igual manera, la ecuación a11x1  a12 x2  ...  a1n xn  b que expresa a la variable b
en término de las variables x1, x2 , ..., xn y las constantes a11, a12 , ... , a1n se denomina
ecuación lineal.

En la mayoría de los casos nos dan los valores de b y de las constantes a1, a2 ,... , an
para que determinemos los valores de x1, x2 , ..., xn , denominados incógnitas, que
satisfacen la ecuación.

2. Sistema de Ecuaciones Lineales:

Un sistema de ecuaciones lineales es un conjunto de m ecuaciones de primer grado con

n incógnitas que se satisfacen para los mismos valores; siendo el conjunto de valores de
las incógnitas que satisfacen al sistema, el conjunto solución de dicho sistema. Un
sistema de ecuaciones lineales puede representarse mediante:

a11x1  a12 x2  ...  a1n xn  b1

a21x1  a22 x2  ...  a2 n xn  b2 Sistema de m ecuaciones
     lineales con n incógnitas
am1x1  am 2 x2  ...  amn xn  bm

3. Clasificación de los Sistema de Ecuaciones Lineales:

Los sistemas de ecuaciones lineales, según su solución, se clasifican en:

Página 143
3.1. Sistema de Ecuaciones Compatible o Consistente:

Un sistema de ecuaciones lineales se denomina compatible o consistente si tiene por lo

menos una solución. Este a su vez puede clasificarse en:

1) Determinado si el conjunto solución es unitario, es decir, si tiene una sola solución.

2) Indeterminado si el conjunto solución es infinito, es decir, si tiene infinitas

soluciones.

3.1. Sistema de Ecuaciones Incompatible o Inconsistente:

Un sistema de ecuaciones lineales se denomina incompatible o inconsistente si no tiene

solución.

4. Forma Matricial de un Sistema de Ecuaciones:

 a11 a12 a13 ... a1n   x1 

   
 a21 a22 a23 ... a2n   x2 
Sean las matrices A    y X 
 
      
 am1 am2 am3 ... amn   xn 

Multipliquemos la matriz A por la matriz X:

 a11 a12 a13 ... a1n   x1   a11 x1  a12 x2  ...  a1n xn 

a   
 21 a22 a23 ... a2 n  
 x2    a21 x1  a22 x2  ...  a2 n xn 
            
     
 am1 am 2 am3 ... amn   xn   am1 x1  am 2 x2  ...  amn xn 

Observe que si en este resultado igualamos cada a11x1  a12 x2  ...  a1n xn  b1
ecuación obtenida a un valor b1, b2 , ..., bn a21x1  a22 x2  ...  a2 n xn  b2

respectivamente obtenemos el sistema de     

ecuaciones que ya habíamos definido. am1x1  am 2 x2  ...  amn xn  bm

Página 144
Esto significa que el sistema de ecuaciones dado podemos descomponerlo en forma
matricial de la siguiente manera: AX  B

 A   X  B
 a11 a12 a13 ... a1n   x1  b1 
     
Forma matricial del  a21 a22 a23 ... a2n   x2  b2 
 
       
sistema de ecuaciones
  
    
 am1 am 2 am3 ... amn   xn  bm 
 

Donde:
A  matriz de los coeficientes

X  matriz de las incógnitas

B  matriz de los términos independientes

Luego AX  B es la representación matricial del sistema de ecuaciones.

Otra matriz importante es la matriz ampliada del sistema formada por la matriz de
coeficientes A ampliada con la matriz de los términos independientes B.

 a11 a12 a13 ... a1n b1 

 
 a21 a22 a23 ... a2n b2 
A/ B  

     
 am1 am 2 am3 ... amn bm 

5. Sistema de Ecuaciones Lineales Homogéneos y no Homogéneos:

Los sistemas de ecuaciones lineales se clasifican en homogéneos, si todos los términos

independientes son iguales a cero y no homogéneos, si por lo menos uno de los
términos independientes es diferente de cero

Es decir, AX  0 representa un sistema homogéneo, mientras que AX  B, B  0

representa un sistema no homogéneo.

Página 145
6. Solución de un Sistema de Ecuaciones Lineales:

Resolver un sistema de ecuaciones es hallar el conjunto solución del sistema. O sea, los
valores s1 , s2 , ..., sn tales que al sustituir las incógnitas por dichos valores

x1  s1 , x2  s2 , ..., xn  sn se satisfacen todas las ecuaciones.

Para resolver sistemas de ecuaciones existen varios métodos. En este curso haremos
mayor énfasis en el método de Gauss y de Gauss-Jordan.

7. Método de Gauss o Eliminación Gaussiana:

Este método nos sirve para analizar y resolver un sistema de ecuaciones lineales,
tomando como base el teorema de Rouché-Frobenius y las transformaciones
elementales u operaciones gaussianas.

El teorema de Rouché-Frobenius establece que si en un sistema la característica o rango

de la matriz de los coeficientes es igual a la característica o rango de la matriz ampliada,
entonces el sistema tiene solución y si son diferentes el sistema no tiene solución, es
incompatible.

8. Procedimiento para utilizar el Método de Gauss o Eliminación Gaussiana:

Para analizar y resolver un sistema de ecuaciones lineales no homogéneo,

mediante el método de Gauss, se procede de la siguiente manera:

1. Se transforma el sistema de ecuaciones en una ecuación matricial equivalente.

2. Se obtiene la matriz ampliada del sistema.

3. Se transforma la matriz ampliada del sistema en una matriz escalonada equivalente.

4. Se determina el rango o característica de la matriz de los coeficientes h  A  y el

rango o característica de la matriz ampliada h  A / B  .

5. Se comparan las características anteriores y si: h ( A)  h ( A / B) entonces el sistema

es compatible. Pero si h( A)  h( A / B) entonces el sistema es incompatible.

Página 146
6. Si el sistema es compatible se compara el rango o característica de la matriz de los
coeficientes h  A  con el número de incógnitas, si son igual el sistema es

compatible determinado. Si h  A  es menor que el número de incógnitas, el sistema

es indeterminado. Es decir, si: h ( A)  n el sistema es compatible determinado y si
h ( A)  n el sistema es compatible indeterminado.

7. Si el sistema es determinado, en el sistema correspondiente a la matriz escalonada

que es equivalente al sistema original, se despeja la variable que ha quedado sola
en una ecuación y luego se comienza a sustituir y despejar hacia atrás hasta
conseguir el valor de todas las demás variables.

8. Si el sistema es indeterminado se determina el número de incógnita no principales

que será siempre igual a la diferencia entre el número de incógnitas y el rango o
característica de la matriz de los coeficientes h  A  . Siendo las incógnitas no
principales, aquella que no inician ecuaciones en el sistema correspondiente a la
matriz escalonada correspondiente.

9. Se les asignan valores arbitrarios a las incógnitas no principales en el sistema

equivalente a la matriz escalonada y se resuelve a partir de la ecuación que contiene
una sola incógnita y se va sustituyendo en las demás ecuaciones hasta determinar el
valor.

Ejemplos: 1) Analizar y resolver el siguiente sistema de ecuaciones lineales.

x  2y  z  3
3x  5 y  4 z  5
2 x  3 y  2 z  12

1 2 1   x   3 
Forma matricial: AX  B   3 5 4   y    5 
    
 2 3 2   z  12 

Página 147
 1 2 1 : 3 
Matriz ampliada A / B   3 5 4 : 5 
 2 3 2 : 12 
1 2 1 : 3  1 2 1 : 3 
A / B   3 5 4 : 5  f 2  f 2  3 f1  0 1 1 : 4 
   
 2 3 2 : 12  f3  f3  2 f1 0 1 4 : 6  f3  f3  f 2
1 2 1 : 3 
  0 1 1 : 4 
 
0 0 5 : 10 

Luego tenemos que: h  A   h  A / B   3 el sistema es compatible.

Como h( A)  h( A / B)  3 y n  3 entonces el sistema es compatible determinado.

El sistema equivalente será:

x  2y  z  3
 y  z  4 donde 5z  10  z  2
 5 z  10

Sustituyendo z en la 2da ecuación se obtiene:

 y   2   4
 y  4  2
y2

Sustituyendo y y z en la 1ra ecuación:

x  2  2    2   3
 x 1
x23 
El conjunto solución es  y  2
x  3 2  z  2

x 1

2) Analizar y resolver el siguiente sistema de ecuaciones lineales.

x  2y  z  3
3x  5 y  4 z  5
2 x  3 y  3z  2

Página 148
 1 2 1   x   3 1 2 1 : 3 
Forma matricial:  3 5 4   y    5  y A / B  3 5 4 : 5 .
 
 2 3 3   z   2   2 3 3 : 2 

1 2 1 : 3  1 2 1 : 3  1 2 1 : 3 
A / B   3 5 4 : 5  f 2  3 f1  0 1 1 : 4   0 1 1 : 4 
     
 2 3 3 : 2  f3  2 f1 0 1 1 : 4  f 3  f 2 0 0 0 : 0 

Luego tenemos que: h  A   h  A / B   2 el sistema es compatible.

Como h( A)  2 y n  3 entonces el sistema tiene infinitas soluciones; es decir, es

compatible indeterminado y posee una incógnita no principal.

El sistema equivalente es:

x  2y  z  3
 y  z  4

La incógnita no principal es z a la cual le asignaremos el valor z   .

Si sustituimos z en la segunda ecuación tenemos:

 y  z  4   y    4
y  4 

Sustituyendo y y z en la primera ecuación

x  2 y  z  3  x  2(4   )    3  x  8  2    3  x  3  5

 x  3  5

La solución general es  y  4  
z 


Si damos algún valor a α obtenemos una solución particular.

Por ejemplo, sea   2 , entonces

x  3  5  3(2)  5  6  5  11  x  11


y  4   4  2  6 una solución particular es:  y  6
z   2 z 2


Página 149
3) Analizar y resolver el siguiente sistema de ecuaciones lineales.
x  2y  z  3
3x  5 y  4 z  5
2 x  3 y  3z  3

 1 2 1   x   3  1 2 1 : 3
Forma matricial:  3 5 4   y   5 y A / B   3 5 4 : 5
 
 2 3 3   z  3  2 3 3 : 3

 1 2 1 : 3 1 2 1 : 3  1 2 1 : 3 
  
A / B  3 5 4 : 5 f 2  3 f1  0 1 1 : 4   0 1 1 : 4 
     
 2 3 3 : 3 f3  2 f1 0 1 1 : 3 f3  f 2 0 0 0 : 1 

Luego tenemos que: h  A   2  h  A / B   3 el sistema es incompatible.

4) Analizar y resolver el siguiente sistema de ecuaciones lineales.

x  2 y  3z  4

x 
Forma matricial AX  B  1 2 3  y    4 y A / B  1 2 3 : 4
 z 

A / B  1 2 3 : 4 Como h  A   h  A / B   1  el sistema es compatible .

Como n  3 y h  A   1  el sistema es compatible indeterminado.

El sistema tiene dos incógnitas no principales que son: y y z a las cuales le

asignamos los siguientes valores arbitrarios: y   y z   ; sustituyendo en la
ecuación y despejando tenemos:

x  4  2  3

 x  4  2  3  x  7
 
Solución general  y   , solución particular para   1 y   3 : y 1
z   z  3
 

Página 150
5) Analizar y resolver el siguiente sistema de ecuaciones lineales.
x  2y  z  3
2x  4 y  2z  6

x 
1 2 1   3  1 2 1 : 3
y    y A/ B  
2 4 2 : 6 
La forma matricial es  
2 4 2    6  
 z 

1 2 1 : 3 1 2 1 : 3 
A/ B      
 2 4 2 : 6  f 2  2 f1 0 0 0 : 0 

h  A   h  A / B   1  n  3 por tanto el sistema es compatible indeterminado con dos

incógnitas no principales y y z a las cuales le asignamos los siguientes valores:
y   y z   por tanto

 x  3  2  
x  2    3 
y la solución general es:  y 
x  3  2   
 z

 x3

Una solución particular para   1 y   2 es:  y  1
 z2


9. Solución de los Sistemas Homogéneos:

Si el sistema es homogéneo (AX = 0) será compatible siempre; ya que siempre tendrá

por lo menos la solución nula; es decir, donde x1  x2  ...  xn  0 . El sistema
homogéneo se clasifica según su solución en trivial y no trivial.

9.1. Sistema Homogéneo Trivial:

Es aquel cuya única solución es la solución nula o solución trivial.

9.1. Sistema Homogéneo no Trivial:

Es aquel que además de la solución nula o trivial posee infinitas soluciones más.

Página 151
Según el teorema de Rouché-Frobenius decimos que si h  A   n , entonces el sistema

es trivial y si h  A   n es no trivial.

Ejemplo: Analizar y resolver el sistema de ecuaciones lineales.

x  2 y  3z  w  0
2 x  y  2 z  w  0
x  y  z  2w  0
x  2 y  3z  w  0

Cuando el sistema es homogéneo la matriz ampliada no tiene sentido, ya que se

ampliaría con una columna nula y la característica de ésta nunca será diferente a la
característica de la matriz de los coeficientes.

 1 2 3 1 1 2 3 1
 2 1 2 1  f  f  2 f 0 3 4 1
  2 2 1
 
 1 1 1 2  f3  f3  f1 0 3 4 3  f3  f3  f 2
   
 1 2 3 1  f 4  f 4  f1 0 0 0 2 

1 2 3 1 1 2 3 1
0 3 4 1 0 3 4 1
    
0 0 0 2  0 0 0 2 
   
0 0 0 2  f 4  f 4  f3 0 0 0 0 

La característica h  A   3 y el número de incógnitas n  4 por tanto el sistema tiene

solución no trivial. Con una incógnita no principal que es z a la cual le asignamos un
valor arbitrario z   .

x  2 y  3z  w  0
 3y  4 z  w  0
2w  0

Despejando w en 2w  0  w  0 .

Sustituyendo z   y w  0 y despejando y en 3 y  4 z  w  0 obtenemos

4
3 y  4  0  0  y  
3

Página 152
 4
Despejando x y sustituyendo z   , y   y w  0 en x  2 y  3z  w  0
3
4  1
obtenemos x  2 y  3z  w  2     3  0   
3  3

 1
 x   
3  x  1
  y4
 4 
Solución general  y   Una solución particular para   3 es 
 3  z 3
 z   w  0
 w0


10. Método de Gauss-Jordan:

En este método se reduce la matriz ampliada a la forma escalonada reducida,

obteniéndose los valores de las incógnitas directamente.

Ejemplo: Analizar y resolver el siguiente sistema de ecuaciones lineales por el método

de Gauss-Jordan.

x  2y  z  3
3x  5 y  4 z  5
2 x  3 y  2 z  12

1 2 1   x   3  1 2 1 : 3 
Forma matricial:  3 5 4   y    5  y A / B   3 5 4 : 5 
 2 3 2   z  12   2 3 2 : 12 

1 2 1 : 3  1 2 1 : 3  f  f  2 f
    1 1 2

A / B  3 5 4 : 5  f 2  f 2  3 f1  0  1 1 :  4  f 2   f 2
   
 2 3  2 : 12  f3  f3  2 f1 0  1  4 : 6  f3  f 2  f 3

1 0 3 :  5  1 0 3 :  5  f  f  3 f 1 0 1 : 1 
    1 1 3
 
 0 1  1 : 4    0 1  1 : 4  f 2  f 2  f 3  0 1 0 : 2 
     
1
0 0 5 :  10  f3  f3 0 0 1 :  2  0 0 1 :  2 
5

Página 153
 x 1
Entonces el sistema equivalente es: y 2
z  2

 x 1

El sistema tiene solución única y es  y2
 z  2


EJERCICIOS PROPUESTOS

x  3y  z  1
I- Sea:  x  y  az  2
2x  y  2z  3

Hallar el valor de " a " para que:

a) El sistema sea compatible

b) El sistema sea incompatible

II.- Utilice el método de Gauss para analizar cada uno de los siguientes sistemas de
ecuaciones. Si es compatible hallar la solución.

2 x  4 y  6 z  18 x  2 y  3z  11
1) 4 x  5 y  6 z  24 2) 4 x  y  z  4
2 x  7 y  12 z  30 2 x  y  3z  10

x  3y  4z  7
x1  x2  x3  x4  2
x  4 y  9 z  11
3) 2 x1  3 x2  x3  2 x4  5 4)
3x  2 y  z  5
4 x1  2 x2  2 x3  3 x4  6
2 x  5 y  5 z  6

5 x  6 y  z  10
x  2 y  3z  u  3w  5
4 x  7 y  2 z  24
5) 6) 2 x  7 y  6 z  4u  5w  3
9 x  y  3z  4
2 x  4 y  z  3u  5w  3
8x  3 y  z  5

Página 154
III.- Resuelva cada uno de los siguientes sistemas de ecuaciones lineales por Gauss-
Jordan. Si tiene infinitas soluciones, dé la solución general y 2 soluciones
particulares:

x  y  z 1 x  2y  z  3
x1  x2  x3  x4  3
1) x  y  2 z  4 2) 2 x  3 y  4 z  7 3)
2 x1  x2  x3  x4  5
2x  y  z  2 3x  y  3z  4

x  2y  z 1 x  2 y  3z  10
x1  2 x3  x4  x5  2
4) 2x  3y  4z  3 5) x2  2 x3  x5  3 6) 2 x  y  5 z  5
 3x  y  2 z  1  x1  x2  x4  2 x5  1 3x  5 y  z  1

x  y  2 z  5w  3 x1  3x2  2 x3  x4  4 x5  2
2 x  5 y  z  9w  3  x1  4 x2  3x3  2 x4  5 x5  3
7) 8)
2 x  y  z  3w  11 x1  2 x2  x3  13x5  7
x  3 y  2 z  7 w  5 2 x1  5 x2  3 x3  2 x4  5 x5  0

x  y  2 z  6w  2
5 x  2 y  3 z  4 w  2
9)
3x  5 y  z  2w  7
2 x  3 y  4 z  8w  8

IV.- Determine el conjunto solución de cada sistema.

3x  4 y  z  0
x y z0
1) 2) 2 x  y  5 z  0
4x  2 y  7z  0
x  2 y  3z  0

x  2 y  4 z  3w  0
x1  2 x2  x3  3 x4  0
2x  3y  z  w  0
3) 4) 2 x1  2 x2  x3  2 x4  0
3x  5 y  3z  2w  0
x1  3 x3  3 x4  0
 x  y  5 z  4w  0

V.- Determine el valor de " k " para que el sistema sea compatible determinado.

x y w6
3x  2 y  kw  10
2 x  y  3w  9

Página 155
UNIDAD 6: MATRICES INVERTIBLES

1. Inversa de una Matriz A1 :

Una matriz cuadrada A es invertible si existe una matriz B tal que AB  BA  I n .

Sabiendo que In es la matriz identidad o unidad. Bajo estas condiciones la matriz B se
llama la inversa de A y se escribe B  A1 (B es la inversa de A). Recíprocamente A es
la inversa de B y se puede escribir A  B 1 .

No todas las matrices tienen inversa, pero si la tienen, es única.

Si una matriz no es invertible, es decir, que no tiene inversa se llama “matriz

singular”, en caso contrario se denomina “matriz no singular”.

2 3  2 3
Ejemplo: Pruebe que A    y B   1 2  son inversas.
1 2   

 2 3   2 3  4  3 6  6  1 0 
AB        I por tanto son inversas.
1 2   1 2   2  2 3  4  0 1 

Una manera de hallar la inversa de una matriz consiste en suponer una matriz
desconocida de orden igual a la que se conoce, donde cada elemento es una incógnita a
determinar, que se obtiene realizando el producto matricial igualando a la matriz
identidad de orden igual a la matriz buscada, se resuelven los sistemas que resulten se
determina el valor de las incógnitas y así obtener la matriz inversa que buscamos.

 1 2 
Ejemplo: Sea A    determinar B tal que B  A1
 1 3 

x y 
Suponemos B    y hallamos los valores de x, y, z y w tal que A y B sean
 z w
inversas. Es decir, AB  I

 1 2   x y  1 0   x  2z y  2 w  1 0 

 1 3   z w 0 1     x  3z  y  3w  0 1 
        

Página 156
A partir de esto se obtienen dos sistemas de ecuaciones y al resolverlos determinamos
los valores de las variables x, y, z y w y así la matriz inversa de A.

x  3
x  2z  1 x  2 1  1 y  2w  0 y  2
y  2 1  0 
 x  3z  0  x 1 2  y  3w  1  Solución 
z 1 x3
y2  z 1
w 1  w  1

3 2 
Entonces B  A1   
1 1 

1.1. Propiedades de la Inversa de Matrices:

Si A  B son matrices invertibles entonces:

1. A 
1 1
A

 AB 
1
2.  B 1 A1

2. Cálculo de la Inversa de una Matriz de 2do. Orden:

Para calcular la inversa de una matriz de 2do orden se procede de la siguiente manera:

 Se determina la diferencia entre el producto de los elementos de la diagonal

principal y el producto de los elementos de la diagonal secundaria. Si esta
diferencia es diferente de cero, entonces la matriz tiene inversa, de lo contrario
no tiene inversa.
 Se intercambian los elementos de la diagonal principal y se le cambian los signos
de los elementos de la diagonal secundaria en la matriz dada.

 Se divide cada elementos de la matriz anteriormente obtenida entre la diferencia

obtenida en el paso 1; siendo este resultado la inversa de la matriz.

Este método está basado en una fórmula que estudiaremos más adelante y que nos
permite hallar la inversa de cualquier matriz, en el caso de orden 2 es muy simple.

Página 157
 1 2 
Ejemplos: 1) Hallar la inversa de A   .
1 3 

 3 2 
 31   2 1  1  0 A1   
 1 1

 3 2
2) Hallar la inversa de A   
 1 4 
 3 4    1 2   14  0

4 2   2 1 2 1
   
14 14   7 7 7 7
A1     A1   
1 3 1 3  1 3 
14 14  14 14  14 14 

3. Calculo de la Inversa de una Matriz (Método de Gauss-Jordan)

Los sistemas lineales que se deben resolver para hallar la inversa de una matriz
tienen en común la misma matriz de coeficiente por lo que se pueden resolver de
manera simutánea. Esto nos permite generalizar con el denominado método de
Gauss-Jordan.

Si una matriz cuadrada tiene inversa, esta se calcula mediante el siguiente método.

 Se amplía la matriz dada con la matriz unidad correspondiente.

 Se determina la característica de la matriz ampliada y si esta es igual al orden de

la matriz, entonces tiene inversa. En caso contrario no tiene inversa.

 Si la matriz tiene inversa, se transforma la matriz que ocupa el espacio de la

matriz dada en una matriz unidad mediante el uso de las transformaciones
elementales, siendo la matriz que ocupa el espacio de la matriz unidad original la
matriz inversa deseada.

Página 158
Ejemplos:

 1 1 1 
1) Hallar la inversa de la matriz A   2 1 3 .
 3 2 1

 1 1 1 : 1 0 0  1 1 1 : 1 0 0 
A / I   2 1 3 : 0 1 0  f 2  f 2  2 f1  0 3 5 : 2 1 0 
   
 3 2 1 : 0 0 1  f3  f3  3 f1 0 1 2 : 3 0 1 

1 1 1 : 1 0 0 
  0 3 5 : 2 1 0  Como h  A   3  n A1 existe
 
f3  3 f3  f 2 0 0 1 : 7 1 3 

f1  f1  f 3 1 1 0 : 6 1 3 1 1 0 : 6 1 3
f 2  f 2  5 f 3  0 3 0 : 33 6 15  f 2  1 f 2  0 1 0 : 11 2 5 
  3  
0 0 1 : 7 1 3  0 0 1 : 7 1 3 

f1  f1  f 2 1 0 0 : 5 1 2   5 1 2
 
 0 1 0 : 11 2 5  por lo tanto la inversa es A  11 2 5 
1
 
0 0 1 : 7 1 3   7 1 3 

1 2 3
2) Hallar la inversa de B   2 4 5 
 3 5 6 

1 2 3 : 1 0 0  1 2 3 : 1 0 0 
B / I   2 4 5 : 0 1 0  f 2  f 2  2 f1  0 0 1 : 2 1 0 
   
 3 5 6 : 0 0 1  f3  f3  3 f1 0 1 3 : 3 0 1 

f1  f1  2 f3 1 0 3 : 5 0 2 
f 2   f3  0 1 3 : 3 0 1 Como h  A   3  n B 1 existe.
f3   f 2 0 0 1 : 2 1 0 

Página 159
f1  f1  3 f3 1 0 0 : 1 3 2 
f 2  f 2  3 f3  0 1 0 : 3 3 1
0 0 1 : 2 1 0 

 1 3 2 
Por tanto la inversa es B 1   3 3 1
 
 2 1 0 

1 1 3 
3) Hallar la inversa de C   5 2 6 
 2 1 3

1 1 3 : 1 0 0  1 1 3 : 1 0 0 
C / I   5 2 6 : 0 1 0  f 2  f 2  5 f1  0 3 9 : 5 1 0 
 2 1 3 : 0 0 1  f3  f 3  2 f1 0 3 9 : 2 0 1 

1 1 3 : 1 0 0 
 0 3 9 : 5 1 0 
 
f3  f3  f 2 0 0 0 : 3 1 1

Como la característica de C es h  C   2  n  3 la matriz C no tiene inversa.

En conclusión, podemos afirmar que si el rango o característica de una matriz cuadrada

es igual que su orden, entonces la matriz es invertible o no singular. Si es menor,
entonces es no invertible o singular.

Si todas las filas de una matriz cuadrada son linealmente independientes, entonces la
matriz es invertible o no singular.

Página 160
EJERCICIOS PROPUESTOS

I.-Determine la inversa de estas matrices si esta existe:

3 1 3 2    2  3
1) A    2) B    3) C   
4 2 1 1   4 6 

1 2  3
 1 3 2  1 3  5  0 1 3
4) D   3 8  3 5) E   2  4 6  6) F   
    5 4 3
 2  5 3   3 2 1   
1 1 1 

1 2 3   1 2 3  1 2 4 
7) G  1 3 3  8) H   2 5 3 9) I   2 0 3 
     
1 2 4  1 0 8  3 2 2 

0 0 0 1 3
1 5 1  1 3 2 1 1 0 2 1 5
4
2 3 0 3  1  2 3  3  
10) J    11) K    12) L  0 0 0 0 1
1 1  5 4   0 4 1 2  
    0 1 5  1 0
4 1  10 11  1 5 1 3 
0 0 1 2 3 

II-Determine para qué valor de x la matriz dada no tiene inversa.

2 3
1) A   
4 x 

1 3  1 
2) B  1 1  3
 
 2 5 x 

 1 3 5
3) C   2 4 6 
 
 3 5 x 

Página 161
UNIDAD 7: DETERMINANTES

1. Permutaciones:

Son las diferentes formaciones que pueden obtenerse con los elementos de un conjunto
dado, en lo que entran todos los elementos del conjunto sin que se repita ninguno de
ellos. Es decir, sea S  1,2,3,..., n el conjunto de los enteros desde 1 hasta n ,

ordenados en forma ascendente; al arreglo j1 , j2 , j3 ,..., jn de los elementos de S se

denomina una permutación de S .

Por ejemplo si S  1,2,3,4 , entonces 4312 es una permutación de S . Esta

permutación se corresponde con la función f : S  S definida por:

f 1  4
f  2  3
 f  i   ji para 1 i  n .
f  3  2
f  4  1

Si observamos la definición tenemos que para colocar en la primera posición podemos

tomar cualquier de los n elementos del conjunto S ; para la segunda posición podemos
tomar cualquiera de los n  1 elementos restantes de S y así sucesivamente, hasta llegar
a la n  esima posición, la cual sólo puede ser ocupada por el elemento que resta. Por lo
tanto la totalidad de posibilidades viene dada por:

n   n  1   n  2  ,...,  2   1  n!

Al conjunto que contiene todas las permutaciones de S , lo representaremos por Sn

cuyo número de elementos es igual al n!.

Ejemplos:

1) Si S  1 entonces #  Sn   1!  1 ; luego tenemos que S n  1 .

2) Si S  1,2 entonces #  S n   2!  2 ; luego tenemos que Sn  12,21 .

Página 162
 3) Si S  1,2,3 entonces #  Sn   3!  6 ; luego tenemos que

Sn  123, 132, 213, 231, 312, 321

1.2. Inversión en una Permutación:

Una permutación j1 , j2 , j3 ,..., jn de S  1,2,3,..., n tiene una inversión si un entero

mayor jr precede a uno menor js . Esta puede ser positiva o negativa dependiendo de
que esta tenga un número par o impar de inversiones con relación a la permutación
natural.

Por ejemplo en S  1,2,3,4 la permutación 4312 tiene cinco inversiones, ya que el 4

está antes de 3, antes de 1 y antes de 2; el 3 está antes de 1 y antes de 2. Por lo tanto es
una permutación impar o negativa.

n!
Si n  2 podemos decir que Sn tiene permutaciones pares y un número igual de
2
permutaciones impares.

Ejemplo:
Si tenemos como conjunto el formado por las letras de la palabra “AMOR” y además
consideramos que como se presentan en la palabra dada es el orden natural; podemos
determinar el número de inversiones que poseen las palabras “MORA” y “ROMA”

M O R A tiene tres inversiones por tanto es una permutación negativa.

R O M A tiene seis inversiones por tanto es una permutación positiva.

2. Determinante:
Sea An una matriz cuadrada de orden n , definimos un determinante como una función
operacional que asocia a cada matriz cuadrada un escalar que está definido por una
sumatoria de  n! términos donde cada término es un producto de  n  elementos
Página 163
representativos de cada una de las filas y las columnas de la matriz sin repetir ninguna y
que tendrá un signo positivo o negativo según sea par o impar el número de inversiones
contenidas en cada término. El determinante se denota por det  A  o A o por sus
elementos encerrados entre dos barras verticales.
a11 a12 ... a1n
a21 a22 ... a2 n
... ... ... ...
an1 an 2 ... ann

Es decir, el determinante de una matriz de orden n , se define como el número

calculado de la siguiente suma: A      a1 j1 a2 j2 ...anjn la suma se toma sobre todas las

permutaciones de los segundos subíndices. A cada término se le asigna el signo (+) si

j1 , j2 , j3 ,..., jn es una permutación par de 1,2,.....n  , y el signo (-) si ella es una
permutación impar

2.1. Determinantes de Orden Uno y Dos:

Si A  (aij ) es una matriz 1  1, entonces S1 sólo tiene una permutación, la permutación

identidad, que es par y luego tenemos que det ( A)  A  a11 .

Ejemplos: det  24   24 , det  3  3 y det  3 x  5   3 x  5 .

 a11 a12 
Si A    es una matriz 2  2 , entonces #  S2   2 tiene dos permutaciones,
 21 22 
a a

luego el determinante tiene dos términos a1_ a2 _ y a1_ a2 _ si llenamos los espacios en

blanco con todos los elementos posibles de S2 ; estos son 1 2 y 2 1. Como 1 2 es

permutación par, el término a11a22 tiene signo positivo    asociado. Como 2 1 es una

permutación impar, el término a12 a21 tiene signo negativo    asociado. Por lo tanto el
determinante de A viene dado por:

Página 164
 a11 a12
det ( A)  A  a11a22  a12a21 o A  a11a22  a12 a21
a21 a22

Ejemplos:
2 3
a)  2(5)  3(4)  10  12  22
4 5

3 5
b)   31   5  2   3  10  7
2 1

2 3
c)   2  4    31  8  3  5
1 4

2.3. Determinantes de Orden Tres:

 a11 a12 a13 

Si A   a21 a22 a23  es una matriz 3  3 , entonces #  S3   6 tiene seis
 
 a31 a32 a33 

permutaciones, luego el determinante tendrá seis términos a1_ a2 _ a3_ , a1_ a2 _ a3_ ,

a1_ a2 _ a3_ , a1_ a2 _ a3_ , a1_ a2 _ a3_ y a1_ a2 _ a3_ , si llenamos los espacios en blanco
con todos los elementos posibles de S3 ; estos son 123, ,132, 213, 231, 312, y 321 ,
donde 123, ,231, y 312 son permutaciones pares, los términos

a11a22 a33 , a12 a23 a31 y a13a21a32 tienen signos positivos  asociados; como

132, 213 y 321 son permutaciones impares, los términos a11a23 a32 , a12 a21a33
y a13 a22 a31 tienen signos negativos    asociados.

Por lo tanto el determinante de A viene dado por:

det  A  A  a11a22 a33  a12 a23a31  a13a21a32  a11a23a32  a12 a21a33  a13a22 a31

El determinante de orden tres también podemos obtenerlo aplicando la regla de Sarrus.

Es decir, repetimos las dos primeras filas o las dos primeras columnas y obtenemos los

Página 165
productos de las diagonales. De izquierda a derecha (con líneas continuas) se toman con
signos positivos y los de derecha a izquierda (con líneas discontinuas) con signos
negativos:

a11 a12 a13 a11 a12 a11 a12 a13

a21 a22 a23
a11 a12 a13 a11 a12
a31 a32 a33
a11 a12 a13 a11 a12 a11 a12 a13
a21 a22 a23

Ejemplos:
1 2 3
1) Sea A   2 1 3  evaluar el determinante de A .
 3 1 2 

1 2 3 1 2
Ampliando con las dos primeras columnas tenemos 2 1 3 2 1
3 1 2 3 1

det  A   11 2    2  3 3   3 2 1   3 1 3   1 3 1   2  2  2 

 2  18  6  9  3  8  6

 5 0 3
2) Sea B   2 3 7  evaluar el determinante de B .
 1 4 6 

5 0 3 5 0
Ampliando con las dos primeras columnas tenemos 2 3 7 2 3
1 4 6 1 4

det  B    5  3 6    0  7  1   3 2  4    3 3  1   5  7  4    0  2  6 

 90  0  24  9 140  0  35

Página 166
2.4. Propiedades de los Determinantes:

1. El determinante de una matriz y de su transpuesta son iguales; es decir,

A  AT .

2 3 1
Ejemplo: Si A   5 1 2  probar que A  AT .
 
 1 3 2 

2 3 1
det( A)  5 1 2   2 1 2    3 2 1  1 5  3  111   2  2  3    3  5  2 
1 3 2
 4  6  15  1  12  30  18
2 5 1
Tenemos que A   3 1 3  entonces:
T

1 2 2 

2 5 1
det( AT )  3 1 3   2 1 2    5  31  1 3 2   111   2 3 2   5 3  2 
1 2 2
 4  15  6  1  12  30  18

Por lo tanto A  A
T

2. Si la matriz B se obtiene de la matriz A al intercambiar dos filas o columnas de

A , entonces A   B .

2 3 1 5 1 2
Ejemplo: Sean A  5 1 2 y B   2 3 1  donde B se ha obtenido
 
 1 3 2   1 3 2 

intercambiando las filas 1 y 2 de A.

Evaluemos det (A) y det (B)

Página 167
 2 3 1
det( A)  A  5 1 2  18 , como ya habíamos calculado.
1 3 2

5 1 2
det( B)  2 3 1  (5)(3)(2)  (1)(1)(1)  (2)(3)(2)  (2)(3)(1)  (5)(1)(3)  (1)(2)(2)
1 3 2
 30  1  12  6  15  4  18

Por lo tanto det( A)   det( B) .

3. Si dos filas o columnas son iguales, entonces el valor del determinante es igual a
cero.

 a1 a2 a3 
Ejemplos: 1) Sea A   b1 b2 b3  donde las filas 1 y 3 son iguales.

 a1 a2 a3 

Evaluemos det (A)

a1 a2 a3
det( A)  b1 b2 b3  a1b2 a3  a2b3a1  a3b1a2  a3b2a1  a1b3a2  a2b1a3  0
a1 a2 a3

 4 3 1 
2) Sea B   2 5 1 donde la fila 1 y la 3 son iguales.
 4 3 1 

Evaluemos det (B)

4 3 1
det( B )  2 5 1  (4)(5)(1)  ( 3)( 1)(4)  (1)(2)( 3)  (1)(5)(4)  (4)( 1)( 3)  ( 3)(2)(1)
4 3 1
 20  12  6  20  12  6  0

Por lo tanto det( B )  B  0

Página 168
4. Si una fila o columna de una matriz A es nula, entonces A  0 .

 a1 a2 a3 
Ejemplos: 1) Sea A   b1 b2 b3  donde todos los elementos de la fila 3 son ceros.

 0 0 0 

Evaluemos det (A)

a1 a2 a3
det( A)  b1 b2 b3  a1b2 (0)  a2b3 (0)  a3b1 (0)  a3b2 (0)  a1b3 (0)  a2b1 (0)  0
0 0 0

 4 3 1 
2) Sea B   2 5 1 evaluemos det (B)
 0 0 0 

4 3 1
det( B)  2 5 1  (4)(5)(0)  ( 3)( 1)(0)  (1)(2)(0)  (1)(5)(0)  (4)(1)(0)  (3)(2)(0)
0 0 0
0000000

5. Si B se obtiene de A al multiplicar una fila o columna de A por un escalar h ,

entonces det( B)  h det( A) .

De aquí se deduce que si todos los elementos de una fila o columna tienen un factor
común este puede eliminarse y colocarse como factor del determinante.

a b   ha hb 
Ejemplo: Sea A    y B  c d
c d   

Observe que B se ha obtenido al multiplicar la fila 1 de A por h ≠ 0.

Evaluemos det (A) y det (B)

a b ha hb
det( A)   ad  bc det( B)   had  hbc  h(ad  bc )
c d c d

Lo que significa que det( B)  h det( A)

Página 169
 2 3 0 4 6 0 
Ejemplo: Sean A   1 4 2  y B   1 4 2  donde B se ha obtenido multiplicando
 
 3 5 1   3 5 1 

por h = 2 la fila 1 de A.

Evaluemos det (A) y det (B)

2 3 0
det( A)  1 4 2  (2)(4)(1)  (3)(2)(3)  (0)(1)(5)  (0)(4)(3)  (2)(2)(5)  (3)(1)(1)
3 5 1
 8  18  0  0  20  3  3

4 6 0
det( B)  1 4 2  (4)(4)(1)  (6)(2)(3)  (0)(1)(5)  (0)(4)(3)  (4)(2)(5)  (6)(1)(1)
3 5 1
 16  36  0  0  40  6  6

Por lo tanto det( B)  2det( A) .

6. Si en un determinante los elementos de una fila o columna son múltiplos de los

elementos correspondientes de otra fila o columna, su valor es cero.

 a1 a2 a3 
Ejemplo: Sean A   b1 b2 b3  donde la fila 3 es múltiplo de la fila 1.

 ha1 ha2 ha3 

Evaluemos det (A)

a1 a2 a3 a1 a2 a3
det( A)  b1 b2 b3  h b1 b2 b3  h(0)  0 . Este resultado es se ha obtenido
ha1 ha2 ha3 a1 a2 a3

aplicando las propiedades 3 y 5.

Página 170
7. Si cada elemento de una fila o columna de un determinante es igual a la suma
de varios términos, el determinante puede escribirse como la suma de tantos
determinantes como términos tengan los elementos de la fila o columna que se
trate.

 a1  m1  n1 a2  m2  n2 a3  m3  n3 
Sea A   b1 b2 b3  donde los elementos de la fila 1

 c1 c2 c3 

corresponden a la suma de tres términos, entonces det (A) puede escribirse así:

a1  m1  n1 a2  m2  n2 a3  m3  n3 a1 a2 a3 m1 m2 m3 n1 n2 n3
det( A)  b1 b2 b3  b1 b2 b3  b1 b2 b3  b1 b2 b3
c1 c2 c3 c1 c2 c3 c1 c2 c3 c1 c2 c3

6 7  6 7
Ejemplo: Sean A    . Al evaluar det( A)   18  14  4
 2 3  2 3

Observe lo que ocurre si se descomponen los elementos de la fila 1

6 7 1 2  3 2  5  0 1 2 2 5 3 0
A    
2 3 2 3 2 3 2 3 2 3
 (3  4)  (6  10)  (9  0)  1  4  9  4

8. Si B se obtiene de A sumando a cada elemento de la r  ésima fila o columna

de A una constante h por el elemento correspondiente de la s  ésima fila o
columna de A  r  s  , entonces B  A.

 a1 a2 a3   a1  kb1 a2  kb2 a3  kb3 

Ejemplo: Sean A   b1 b2 b3  y B   b1
 
b2 b3 

 c1 c2 c3   c1 c2 c3 

La matriz B se ha obtenido de A sumando a la fila 1 la fila 2 multiplicada por k ≠ 0.

Evaluemos det (B)

Página 171
 a1  kb1 a2  kb2 a3  kb3 a1 a2 a3 kb1 kb2 kb3
det( B)  b1 b2 b3  b1 b2 b3  b1 b2 b3
c1 c2 c3 c1 c2 c3 c1 c2 c3

a1 a2 a3 b1 b2 b3
det( B)  b1 b2 b3  k b1 b2 b3  det( A)  k (0)  det( A)  0  det( A) .
c1 c2 c3 c1 c2 c3

Por lo tanto B  A

Este resultado se ha obtenido aplicando las propiedades 5 y 6.

9. Si una matriz A es triangular superior o inferior, entonces el determinante de

A es igual al producto de los elementos de la diagonal principal. Es decir,
A  a11a22 a33 ...ann .

2 0 0
Ejemplo: Sea A   1 4 0  , una matriz triangular inferior. Evalúe A
 3 5 1 

2 0 0
A  1 4 0  (2)(4)(1)  (0)(0)(3)  (0)(1)(5)  (0)(4)(3)  (2)(0)(5)  (0)(1)(1)
3 5 1 .

  (2)(4)(1)   0  0  0  0  0  8

10. El determinante del producto de dos matrices es el producto de sus

determinantes; es decir, AB  A B .

2.5. Cálculo de Determinantes de Cualquier Orden Aplicando las Propiedades:

Como ya vimos en la propiedad 9, el determinante de una matriz triangular es igual al

producto de los elementos de su diagonal principal. Entonces, aplicando las
propiedades, podemos llevar cualquier determinante a la forma escalonada y así
obtener una matriz triangular.

Página 172
 1 2 3 1
3 4 0 2
Ejemplo: Evaluar el determinante B  aplicando este método.
1 1 2 3
0 2 4 2

1 2 3 1 1 2 3 1 1 2 3 1
3 4 0 2 f 2  f 2  3 f1 0 2 9 1 f 2  f3 0 1 1 2
B   
1 1 2 3 f3  f3  f1 0 1 1 2 f3  f 2 0 2 9 1
0 2 4 2 0 2 4 2 0 2 4 2
1 2 3 1 1 2 3 1
0 1 1 2 0 1 1 2
 
f3  f3  2 f 2 0 0 7 5 f3  f3  f 4 0 0 1 11
f4  f4  2 f2 0 0 6 6 0 0 6 6
1 2 3 1
0 1 1 2
    (1)(1)(1)(72)   (72)  72
0 0 1 11
f 4  f 4  6 f3 0 0 0 72

Observe que en el tercer paso se han intercambiado las filas 2 y 3 por eso se ha
colocado el signo negativo (─)

3. Menor Complementario:

Sea A una matriz de orden n  n . Se define al menor complementario M ij como el

determinante de la submatriz de A de orden  n  1   n  1 que resulta de eliminar la
fila i y la columna j en la matriz.
 2 1 4 
Ejemplo: Sea: A   0 1 5  hallar los menores M13 , M 21 y M 22 .
 6 3 4 

2 1 4 2 1 4
0 1 1 4
M 13  0 1 5   0  6  6 M 21  0 1 5   4  12  8
6 3 3 4
6 3 4 6 3 4

2 1 4
2 4
M 22  0 1 5   8  24  32
6 4
6 3 4

Página 173
4. Adjunto o Cofactor:

Sea A una matriz de orden n  n . El adjunto o cofactor Aij del elemento aij de A se

define como Aij   1

i j
M ij . Es decir, es el menor complementario que resulta de
eliminar la fila i y la columna j multiplicado por un signo positivo o negativo según
sea par o impar la suma de la fila y la columna eliminada respectivamente.

 2 1 4 
Ejemplo: Dada la matriz A   0 1 5  , hallar todos sus adjuntos o cofactores.
 6 3 4 

Desarrollo:
1 5 0 5
A11   1 M 11  A12   1    0  30   30
11 1 2
 4  15  19 M 12  
3 4 6 4

0 1 1 4
A13   1
13
A21   1    4  12   8
21
M 13   0  6  6 M 21  
6 3 3 4

2 4 2 1
A22   1 A23   1    6  6   12
2 2 23
M 22   8  24  32 M 23  
6 4 6 3

1 4 2 4
A32   1   10  0   10
3 2
A31   1
31
M 31   5  4   9 M 32  
1 5 0 5

2 1
A33   1
33
M 33  202
0 1

5. Matriz de los Adjuntos o Cofactores:

Es la matriz que resulta al sustituir cada elemento de una matriz dada por sus cofactores
correspondientes.
 a11 a12 a13 ... a1n   A11 A12 A13 ... A1n 
a a22 a23 ... a2 n  A A22 A23 ... A2 n 
Si  21  , entonces  21 
A   a31 a32 a33 ... a3n  AC   A31 A32 A33 ... A3n 
   
 ... ... ... ... ...   ... ... ... ... ... 
 an1 an 2 an 3 ... ann   An1 An 2 An 3 ... Ann 

 19 30 6 
Para el ejemplo anterior la matriz de cofactores es AC   8 32 12 
 9 10 2 
 
Página 174
6. Matriz Adjunta:
Es la matriz transpuesta de la matriz de los cofactores.

 a11 a12 a13 ... a1n 

 a21 a22 a23 ... a2 n 
A   a31 a32 a3n 
Para la matriz:
a33 ...
 
 ... ... ... ... ... 
 an1 an 2 an 3 ... ann 

 A11 A21 A31 ... An1 

A A22 A32 ... An 2 
la matriz adjunta de A es:  12 
adj  A   A13 A23 A33 ... An3 
 
 ... ... ... ... ... 
 A1n A2 n A3n ... Ann 

 2 1 4 
Ejemplo: Hallar la matriz adjunta de: A   0 1 5 
 6 3 4 

Como la matriz adjunta de A es la transpuesta de la matriz de cofactores que ya

habíamos calculado en el ejemplo anterior, entonces:

 19 8 9 
T
 19 30 6 
 
adj  A   AC    8 32 12    30 32 10 
T
 
 9 10 2   6 12 2 

7. Desarrollo de un Determinante por los Elementos de una Fila o Columna

(Expansión o método de Laplace):

Teorema 7.1: Si A es una matriz cuadrada de orden “n”, entonces,

det  A   A  ai1 Ai1  ai 2 Ai 2  ...  ain Ain para 1 i  n , denominado desarrollo del
determinante con respecto a la i  ésima fila. Y para 1 j  n,

det  An   An  a1 j A1 j  a2 j A2 j  ...  anj Anj denominado desarrollo del determinante con

respecto a la j  ésima columna.

Página 175
Esto significa que el valor de cualquier determinante de orden “n” es igual a la suma de
“n” productos cada uno de los cuales se forma multiplicando cada elemento de una
cualquiera de las filas o columnas por sus cofactores correspondientes.

Demostración:
Para la demostración usaremos una matriz de orden 3  3 para facilitar el entendimiento
de la misma. Si A3   aij  por definición tenemos que:

det  A3   a11a22 a33  a12 a23a31  a13a21a32  a11a23a32  a12 a21a33  a13 a22 a31 (1)

Reagrupando los términos y sacando factor común podemos escribirlo de la forma:

det  A3   a11a22a33  a11a23a32  a12a23a31  a12a21a33  a13a21a32  a13a22a31

 a11  a22a33  a23a32   a12  a23a31  a21a33   a13  a21a32  a22a31  (2)

Los cofactores de A correspondientes a la primera fila son:

a22 a23
A11   1
11
 a22 a33  a23a32
a32 a33
a21 a23
A12   1    a21a33  a23a31   a23a31  a21a33
1 2

a31 a33
a21 a22
A13   1
13
 a21a32  a22 a31
a31 a32

Sustituyendo estas tres expresiones en (2) tenemos:

det  A   a11 A11  a12 A12  a13 A13 . Esta expresión es el desarrollo del determinante de
A3 con respecto a la primera fila.

Si la expresión (1) la reagrupáramos como:

det  A  a13  a21a32  a22 a31   a23  a12 a31  a11a32   a33  a11a22  a12 a21  podemos

verificar fácilmente que es equivalente a: det  A  a13 A13  a23 A23  a33 A33 que es el

desarrollo del determinante de A3 con respecto a la tercera columna.

Página 176
Ejemplos:
1) Hallar el determinante de la matriz

 2 1 4 
A   0 1 5  usando los elementos de una línea fila o columna.
 
 6 3 4 

1ro. Usando la primera fila tenemos que:

2 1 4
1 5 0 5 0 1
5   2  1   1 1   4  1
11 1 2 13
A0 1
3 4 6 4 6 3
6 3 4

  2 1 4  15    1 1 0  30    4 1 0  6 

  2  19   1 30    4  6   38  30  24  92

2do. Usando la tercera columna tenemos que:

2 1 4
0 1 2 1 2 1
5   4  1   5  1   4  1
13 23 3 3
A0 1
6 3 6 3 0 1
6 3 4

  4 1 0  6    5  1 6  6    4 1 2  0 

  4  6    5 12    4  2   24  60  8  92

 1 2 3 1 
 3 4 0 2 
2) Sea B    determinante B con respecto a la primera columna:
 1 1 2 3 
 
 0 2 4 2 

4 0 2 2 3 1 2 3 1 2 3 1
B  1 1 1 2 3   3  1 3  1 1 2   0  1
11 2 1 3 1 4 1
1 2 4 0 4 0 2
2 4 2 2 4 2 2 4 2 1 2 3

  16  0  8  8  0  48    3 8  18  4  4  24  6    0  16  12  0  16  24    0  0  6  8  0  8  36 
 48   3 36   12    0   48  108  12  72

Página 177
Una herramienta útil y que simplifica el trabajo es aplicar las propiedades de los
determinantes para transformar la matriz en otra donde todos los elementos de una fila
o columna, a excepción de uno, sean ceros para desarrollarlo por esa fila o columna. Es
decir, combinando los dos métodos estudiados (de Gauss y Laplace). A este método
combinado suele llamársele método Pivotal.

Ejemplo
Evaluar el determinante del ejemplo anterior aplicando el método pivotal.

Vamos a hacer algunas transformaciones a la matriz B para hacer ceros todos los
elementos de la primera columna, menos el 1 de la primera fila.

 1 2 3 1  1 2 3 1 
 3 4 0 2  f  f  3 f 0 2 9 1 
B  2 2 1
 
 1 1 2 3  f3  f3  f1 0 1 1 2 
   
 0 2 4 2  0 2 4 2 

Ahora podemos desarrollar el determinante por la primera columna, pero solo vamos a
tener un elemento ya que los elementos cero no hay que tomarlos en cuenta porque nos
darán ceros. Entonces,

1 2 3 1 1 2 3 1
2 9 1 2 9 1
3 4 0 2 0 2 9 1
B   1 1 1 2  1 1
11
1 2
1 1 2 3 0 1 1 2
2 4 2 2 4 2
0 2 4 2 0 2 4 2

El determinante que era de orden 4 ahora se ha reducido a orden 3 y lo podemos

calcular aplicando la regla de Sarrus que ya vimos.

2 9 1
1 1 2  (2)(1)(2)  (9)(2)(2)  (1)(1)(4)  (1)(1)(2)  (2)(2)(4)  (9)(1)(2)
2 4 2
 4  36  4  2  16  18  72

Página 178
Teorema 7.2:
Sea A   aij  una matriz de orden n  n , entonces A  Adj  A    Adj  A  A  det  A I n

Demostración:
 a11 a12 ... a1n   A11 A21 ... An1   d11 d12 ... d1n 
a a ... a2 n   A12 A22 ... An 2   d 21 d 22 ... d 2 n 
Tenemos que: A  Adj  A     21 22 
 ... ... ... ...   ... ... ... ...   ... ... ... ... 
    
 an1 an 2 ... ann   A1n A2 n ... Ann   d n1 d n 2 ... d nn 
n
Cada elemento d ij en la matriz producto A  Adj  A  viene definido por: dij   aik Akj .
k 1
Luego tenemos que:
ai1 Aj1  ai 2 Aj 2  ...  ain Ajn  det  A  si i  j
0 si i  j

Esto significa que:

det  A  0 ... 0
 
0 det  A  ... 0 
A  Adj  A      det  A  I n
 ... ... ... ... 
 
 0 0 ... det  A  

Por tanto A  Adj  A   det  A  I n

 2 1 4 
Ejemplo: Dada la matriz A   0 1 5  , probar el teorema anterior.
 6 3 4 

 19 8 9 
 
Ya habíamos calculado la matriz adjunta de A: Adj ( A)   30 32 10  ,
 6 12 2 

entonces tenemos que:

 2 1 4   19 8 9    38  30  24  16  32  48  18  10  8 

  
A Adj  A  0 1 5   30 32 10    0  30  30 
 
 0  32  60  0  10  10 


 6 3 4  6 12 2   114  90  24   48  96  48  54  30  8



Página 179
  92 0 0  1 0 0 
A  Adj  A    0 92 0  92 0 1 0   92  I 3   det  A  I 3
 
   
 0 0 92  0 0 1 

Y se concluye que A  Adj  A   det  A I 3

Teorema 7.3: Si A es una matriz de orden n  n y det  A   0 , entonces:

 A11 A21 An1 

 det  A  ...
det  A  det  A  
 
 A12 A22 An 2 
 ...
det  A  
 Adj  A     det  A  det  A 
1
A1  
det  A 
 ... ... ... ... 
 
 A1n A2 n
...
Ann 
 det  A  det  A  det  A  

Demostración:

Según el teorema anterior tenemos que: A  Adj  A   det  A  I n si det  A   0 ,

1
entonces tenemos que multiplicando ambos miembros por obtenemos:
det  A 

 A  Adj  A    
1 1
det  A  I n   I n luego
det  A  det  A  

 Adj  A    I n multiplicando ambos miembros por A1 se obtiene:

1
A
det  A 

 Adj  A    A1I n  Adj  A    A1

1 1
A1 A 
det  A  det  A 

Por tanto:

 Adj  A 
1
A1 
det  A 

Página 180
Ejemplo:

 2 1 4 
Dada la matriz A   0 1 5  , hallar la inversa A1 .
 6 3 4 

2 1 4  19 8 9 
 
Como ya habíamos calculado A  0 1 5  92 y Adj ( A)   30 32 10  ,
4  6 12 2 
6 3 
entonces :

 19 8 9 
 92 
 19 8 9   92 92

1   32 10 
 Adj  A      30 32 10   
1 30
A1 
det  A  92  92 92 92 
 6 12 2   6 12 2 
 
 92 92 92 
 19 8 9   19 2 9 
 92  
92 92   92 23 92 
   
A  
1 30 32 10   15 16 5 
 
 92 92 92   46 46 46 
 6 12 2  3 3 1
     
 92 92 92   46 23 46 

Teorema 7.4: Una matriz An es invertible si y sólo si su determinante es diferente de

cero, det  An   0 .

Demostración:

Como es una doble condicional lo demostraremos en ambos sentidos:

Si det  An   0 , entonces según el Teorema 7.2 obtenemos una expresión para A1 , de

modo que A es invertible. Entonces, AA1  I n

Por la propiedad 10 tenemos que: det  AA1   det  A det  A1   det  I n   1

Luego podemos concluir que det  A   0

Página 181
Si A es una matriz de orden n  n , entonces las siguientes expresiones son
equivalentes:

A es invertible  A es equivalente a I n  det  A  0.

8. Regla de Cramer:
Es un método que nos sirve para resolver un sistema de n ecuaciones con n incógnitas
cuya matriz de los coeficientes es no singular.

Teorema 8.1: (Regla de Cramer): Sean

a11 x1  a12 x2  ...  a1n xn  b1
a21 x1  a22 x2  ...  a2 n xn  b2
    
an1 x1  an 2 x2  ...  ann xn  bn

un sistema lineal de n ecuaciones con n incógnitas y sea A   aij  la matriz de los

coeficientes de modo que podamos escribir el sistema dado como AX  B , donde

 b1 
b 
B   2
 ... 
 
bn 
Si det  A   0 , entonces el sistema tiene solución única

det  A1  det  A2  det  An 

x1  , x2  , ... , xn  , donde Ai es la matriz obtenida de
det  A det  A  det  A 

A al reemplazar su i  ésima columna por B (Los coeficientes de la incógnita xi por

los términos independientes).

Demostración:

Si det  A   0 , entonces A es no singular. Por lo tanto,

Página 182
  A11 A21 An1   A11 A21 An1 
 A ... b  b  ...  b
A   A A
1 2 n
A A
 x1     b1   
   A12 A22 An 2     A A A 
x  ...  b  b 12
 b 22
 ...  b n2

X   2   A1B   A A A   2  1
A
2
A
n
A 
  
               
 xn    bn   
 A1n A2 n
...
Ann   b A1n  b A2 n  ...  b Ann 
 A A A   1 2 n
A 
  A A

Esto significa que:

A11 A A 1
x1  b1  b2 21    bn n1   b1 A11  b2 A21    bn An1 
A A A A
A12 A A 1
x2  b1  b2 22    bn n 2   b1 A12  b2 A22    bn An 2 
A A A A

A1n A A 1
xn  b1  b2 2 n    bn nn   b1 A1n  b2 A2 n    bn Ann 
A A A A

De donde se puede concluir que

A1i A A 1
xi  b1  b2 2i    bn ni   b1 A1i  b2 A2i    bn Ani 
A A A A

para i  1, 2, 3, ... , n

Ahora, sea

 a11 a12 ... a1i 1 b1 a1i 1 ... a1n 

 
 a21 a22 ... a2i 1 b2 a2i 1 ... a2 n 
Ai   
         
 an1 an 2 ... ani 1 bn ani 1 ... ann 


Si desarrollamos el determinante de Ai con respecto a la i  ésima columna, vemos

que: det  Ai   b1 A1i  b2 A2i  ...  bn Ani

1 det  Ai 
Por lo tanto, xi  det  Ai   para i  1, 2, 3, ... , n
det  A  det  A 

Página 183
Para aplicar la regla de Cramer seguiremos el siguiente procedimiento:

Sea AX  B , donde A es de orden n  n entonces:

1. Calculamos det  A  . Si det  A   0 , no se puede aplicar la regla de Cramer. Se

emplea el método de Gauss.
det  Ai 
2. Si det  A   0 , entonces para cada i tenemos que: xi 
det  A 

Recuerde que Ai es la matriz obtenida de A al reemplazar la i  ésima columna de A

por B (Los coeficientes de la incógnita xi por los términos independientes).

Ejemplos:

1) Resuelva el siguiente sistema usando la regla de Cramer si es posible:

2 x  3 y  z  1
x  2y  z  4
2 x  y  z  3

2 3 1
Tenemos que: A 1 2 1  4  6  1  4  3  2  2  0
2 1 1

1 3 1
4 2 1

Luego: x 
A1 3 1

1

 2  9  4  6  1  12   4  2
A 2 2 2

2 1 1
1 4 1

y
A2

2 3 1

 8  3  2  8  1  6   6  3
A 2 2 2

2 3 1
1 2 4
A3 2 1 3 12  1  24  4  8  9  8
z    4
A 2 2 2

Página 184
2) Resuelva el siguiente sistema usando la regla de Cramer si es posible:
3x  2 y  z  4
2x  y  2 z  3
x  3 y  2 z  5

3 2 1
Calculamos el det( A)  2 1 2  6  4  6  1  8  18  35  0
1 3 2

Aplicando la regla de Cramer:

4 2 1
3 1 2
5 3 2 8  20  9  5  24  12 68 68
x   
35 35 35 35
3 4 1
2 3 2
1 5 2 18  8  10  3  30  16 53 53
y   
35 35 35 35

3 2 4
2 1 3
1 3 5 15  6  24  4  27  20 42 42
z   
35 35 35 35

 68
 x 
23

 53
La solución única del sistema es y 
 23
 42
z 
 23

Página 185
EJERCICIOS PROPUESTOS

a1 b1 c1 x1 y1 z1
I- Si A  a2 b2 c2  3 y B  x2 y2 z2  7 , determine aplicando las
a3 b3 c3 x3 y3 z3
propiedades:

c1 b1 a1 a1 b1 c1
1) C  c2 b2 a2  _____ 2) D  2a2 2b2 2c2  ____
c3 b3 a3 a3 b3 c3

a1 b1 c1 a1 b1 c1
3) E  a2 b2 c2  ____ 4) F  a2  3a1 b2  3b1 c2  3c1  ____
a1 b1 c1 a3 b3 c3

a1 b1 c1  a1 b1 c1   x1 y1 z1 
5) G  3a1 3b1 3c1  ____ 6) A  B   a2 b2
 
c2    x2 y2

z2   ____
a c3   x3 z3 
a3 b3 c3  3 b3 y3

x1 y1 z1
8) A  ____ 9) B  _____
2 3
7) H  x2 y2 z2  ____
0 0 0

II- Calcular los siguientes determinantes:

2  3 2 7 5  8
1) A   _____ 2) B   _____ 3) C   _____
4 5 4 3 3 1

III- Calcular los siguientes determinantes aplicando el método de Sarrus:

2 3 0
1) A  3 5 1 
0 1 1

1 3 5
2) B  0 4 7
2 2 3

2 1 1
3) C  3 3 1 
2 5 3

Página 186
IV- Calcular los siguientes determinantes (Recuerde las propiedades):
3 3 5 1 0
0 2 3 7 2 0 0 0
0 1 1 0 5
0 1 2 9 1 3 0 0
1) A  0 0 4 7 0  _____ 2) B   _____ 3) C   _____
0 0 1 7 0 0 9 0
0 0 0 5 1
0 3 4 0 1 2 0 1
0 0 0 0 2

V- Calcular los siguientes determinantes aplicando el método de Gauss:

1 0 0 2 3 1 2 0
0 1 5 3 7 0 6 3
1) A   _____ 2) B   _____
7 0 3 4 6 0 8 9
1 1 2 1 3 1 2 0

1 3 2 4 0
1 1 2 4
0 1 1 3 1
1 0 1 3
3) C  1 0 1 2 1 4) D 
3 2 1 2
2  4 2 5 3
5 1 2 3
1 3 2 1 6

1 0 2 0 
3 2 1 3
VI- Sea A   . Calcule det( A) desarrollándolo por
1 0 1 2 
 
5 1 2 3 

a) La fila 1: b) La columna 4

Página 187
VII- Calcular el siguiente determinante utilizando el método Pivotal:
3 1 2 0 1 3 2 4
7 0 6 3 3 2 1 3
1) A   _____ 2) B 
6 0 8 9 0 0 1 2
3 1 2 0 0 1 2 3

3 5 2 1 6 4
0 6 1 3 4 5
0 5 0 0 0 0
3) C 
0 1 2 3 5 6
1 2 0 3 1 2
0 1 1 1 1 1

VIII- Determine el valor de " x " en cada caso:

1 2 5 2 2 0
x 1 5
1)  1 2 5 2) 1 x 3 0
4 2
0 4 3  2 1 1

3 2 x x  5 x x 1
x 2 x
3) x 0 12  0 4) 0 1 2 
5 8
0 1 x 3 1 2

x 1 2 1 2 3
x5 1
5) 5 6 9 0 6) 4 5 6
4 2
2 1 7 0 1 2

x 1 3 x  2 x  3 x 1
7) 2 5 1 0 8) 1 3 1  6
0 x 1 1 2 2

Página 188
IX.- Hallar la matriz adjunta de A:

1 2 4 
A  5 3 1 
1 0 1

X.- Hallar inversa de cada matriz si la tiene, aplicando determinante:

1 2 0 0 1 3 2 4 
2 3 4 0 3 0 0  3 2 1 3
1) A   4 3 1  2) B   3) D   
0 0 2 1 1 0 1 2 
1 2 4     
0 0 0 3 5 1 2 3 

XI.- Determine los valores de x que hacen que la matriz siguiente no tenga inversa:

 x 1 3
x 3 
1) A    2) B   2 5 1
 4 x  1  0  x 1

I.- Resuelva los siguientes sistemas de ecuaciones usando la regla de Cramer:

2 x  3 y  1
1)
7 x  4 y  47

2x  y  z  6
3) 3 x  2 y  3 z  5
8 x  2 y  5 z  11

x  w 7
2y  z 2
4)
4x  y  3
3 z  5w  2

Página 189
PROGRAMA DE LA ASIGNATURA

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO

FACULTAD DE CIENCIAS
Oficina de Planificación Universitaria (OPLAU)
Oficina de Planificación Sectorial (OPLASE)

Consolidado del Semestre

Escuela: Matemática Cátedra: Álgebra
(horas) HT: 48 HP:32
Nombre de la Asignatura: Álgebra Superior

Clave: Mat-230 Prerrequisito: Mat-014

Fecha de Elaboración: Julio 1994 Fecha de Actualización: Julio 2006

Coordinadora: Francisca A. Medrano A.M.

Descripción de la Asignatura:

Introducir las técnicas algebraicas con la visión de espacio vectorial de polinomios,

características y operaciones entre ellos, la obtención de raíces de ecuaciones
algebraicas, es espacio vectorial de las matrices, los determinantes y métodos de
resolución de sistemas como eliminación de gauss y Rouché-Frobenius.

Objetivos Generales:

Desarrollar los conceptos básicos del Álgebra que sirven de base en las ingenierías,
matemática, física, economía, farmacia, estadística y educación.

Población Destinataria:

Estudiantes de matemática, ingenierías, física, química, biología, economía,

estadística, educación y farmacia.

Criterio de Evaluación:

Prácticas en el aula y para la casa, talleres en grupo, trabajos de investigación y las

pruebas.

Página 190
Unidad: 1

Nombre de la Unidad: Espacios Vectoriales

Objetivo General: Introducir el concepto de espacio vectorial de polinomios,

sus características y aplicaciones.

HT: 08 HP: 4

Objetivos Contenidos Estrategias de Forma de

Específicos Aprendizaje Evaluación
(terminales)

 Definir 1. Concepto de
espacio espacio vectorial en
vectorial. Rn .  Preparar  Talleres en
guías de el aula
estudios de  Pruebines
2. Operaciones con
 Establecer el los
vectores(suma,  Práctica.
espacio conceptos
multiplicación de un
vectorial de nuevos.
vector por un escalar,
polinomios y  Hacer
producto escalar,
sus aclaraciones
distancia entre
característica y
vectores, norma de
s. profundizaci
un vector)
ón por el/la
3. El espacio vectorial profesor/a.
 Dividir de los polinomios,  Hacer las
polinomios igualdad y demostracio
aplicando operaciones con nes que
diferentes polinomios. sean
procedimient necesarias.
os: división  Talleres en
tradicional, 4. Máximo común el aula,
división de divisor. Algoritmo de trabajando
Ruffini. Euclides. en pequeños
grupos.
5. División de un  Hacer
 Conocer los polinomio de grado n prácticas
teoremas del por uno de la forma asignadas
resto y del (x-a).División para la casa.
factor y sintética.  Revisar
aplicarlo en la dudas de la
resolución de 6. Teorema del resto práctica con
problemas. y teorema del factor. su monitor/a
y/o
7. Derivada de un profesor/a.
polinomio. Derivada
sucesiva.

8. Fórmula de Taylor.
Método de Ruffini-
Horner.

Página 191
Unidad: 2

Nombre de la Unidad: Teoría general de ecuaciones.

Objetivo General: Establecer métodos para obtener las raíces reales de una
ecuación.

HT: 16 HP: 08

Objetivos Contenidos Estrategias de Forma de

Específicos Aprendizaje Evaluación
(terminales)

 Factorizar 1. Definición de una

polinomios en ecuación
factores algebraica.  Preparar  Talleres en
guías de el aula
lineales
estudios de  Pruebines
obteniendo 2. Raíces de una los
sus raíces. ecuación  Práctica.
conceptos
algebraica. nuevos.
Multiplicidad de  Hacer
 Determinar la una raíz. aclaraciones
ecuación Teorema de y
conocida sus raíces múltiples. profundizaci
raíces, por ón por el/la
diferentes 3. Teorema profesor/a.
procedimiento fundamental del  Hacer las
álgebra. demostracio
s.
nes que
sean
4. Raíces complejas necesarias.
de una ecuación  Talleres en
algebraica. el aula,
 Resolver una Teorema de las trabajando
ecuación de raíces complejas. en
coeficientes Teorema de las pequeños
enteros raíces irracionales grupos.
conocidas cuadráticas.  Hacer
algunas de prácticas
sus raíces. 5. Relación entre los asignadas
coeficientes y para la
raíces de una casa.
 Obtener las ecuación  Revisar
raíces algebraica. dudas de la
racionales de práctica con
una ecuación su
6. Transformaciones monitor/a
algebraica, de ecuaciones en y/o
aplicando: la otras cuyas profesor/a.
relación entre raíces:  Usar la
raíces y - sean las opuestas calculadora
coeficientes de la original, para
de una - sus raíces sean verificar las

Página 192
 ecuación y el las recíprocas de raíces
teorema de la ecuación racionales e
raíces original, irracionales
racionales. - en otra cuyas de una
raíces queden ecuación.
aumentadas o
disminuídas en
un valor real
diferente de cero,
- en otra cuyas
raíces queden
aumentadas en
un valor k
 Encontrar las
diferente de cero.
raíces
- en otra de raíces
irracionales múltiples cuyas
de una raíces sean todas
ecuación simples.
algebraica,
usando la
calculadora y 7. Naturaleza de las
el Teorema de raíces reales de
Bolzano. una ecuación:
variación de los
signos de un
polinomio. Regla
de los signos de
Descartes.

8. Acotación de
raíces reales.
Método de
Laguerre.

9. Teorema de
raíces racionales.
Obtención de las
raíces racionales
de una ecuación.

10.Teorema de
Bolzano.
Obtención de las
raíces irracionales
de una ecuación.

Página 193
Unidad: 3

Nombre de la Unidad: Matrices.

Objetivo General: Desarrollar las características, propiedades y operaciones en

el espacio vectorial de matrices de orden m  n

HT: 08 HP: 04

Objetivos Contenidos Estrategias de Forma de

Específicos Aprendizaje Evaluación
(terminales)

 Establecer el 1. Espacio vectorial

espacio de las matrices.
vectorial de Concepto de:  Preparar guías  Talleres en
matriz, filas- de estudios de el aula
las matrices.
columnas, orden los conceptos  Pruebines
de una matriz. nuevos.
 Práctica.
 Demostraciones
 Conocer las modelos hecha
matrices 2. Matrices por el/la
especiales. especiales. profesor/a.
Diagonal  Talleres en
principal y pequeños
 Realizar secundaria. grupos.
operaciones Traza de una  Uso de la
con matrices. matriz. calculadora
(para comprobar
3. Operaciones con las operaciones
 Calcular la matrices. con matrices y
inversa de en la solución de
una matriz ecuaciones)
4. Propiedades  Asignar prácticas
2 2 y
algebraicas de para hacerlas en
resolver las operaciones la casa.
ecuaciones con matrices.  Revisar dudas de
matriciales. la práctica con
su monitor/a y/o
5. Ecuaciones con
profesor/a.
 Resolver matrices.
problemas Inversa de una
matriz 2  2 .
donde se
apliquen las
matrices. 6. Forma
escalonada de
una matriz.

7. Matrices
elementales.
Matrices
equivalentes.

Página 194
Unidad: 4

Nombre de la Unidad: Determinantes y sistemas.

Objetivo General: Desarrollar la teoría de determinantes y aplicarla para

resolver sistemas de ecuaciones con n incógnitas

HT: 16 HP: 08

Objetivos Contenidos Estrategias de Forma de

Específicos Aprendizaje Evaluación
(terminales)

 Definir los 1. Definición de Preparar guías

conceptos: determinante. de estudios de
permutación, los conceptos  Talleres en
inversión par e nuevos. el aula
2. Calculo de  Pruebines
impar. determinante de
Aclaraciones y  Práctica.
orden 2. De orden 3
profundización
aplicando la regla de
 Definir por el/la
Sarros.
determinante. profesor/a.

Hacer las
3. Propiedades de los
 Establecer demostracione
determinantes.
s que sean
las propiedades
necesarias.
de los
determinantes. 4. Menor o adjunto
complementario de Realizar
un elemento. talleres en el
aula,
 Resolver trabajando en
ecuaciones y 5. Cálculo de pequeños
sistemas de determinantes de grupos.
ecuaciones orden mayor que 3
aplicando por: elementos de
determinantes. una línea( adjuntos); Usar la
aplicando calculadora
propiedades de los para calcular
 Establecer determinantes y por determinantes,
el método de Gauss. resolver
diversos
sistemas,
teoremas de encontrar
sistemas de inversas de
6. Adjunta de una
ecuaciones matrices, entre
matriz cuadrada.
lineales. otras
actividades.
7. Inversa de una
matriz cuadrada por
adjunta y por Gauss- Realizar
Jordan. investigación
sobre
diferentes

Página 195
 8. Características o métodos de
rango de una matriz. encontrar una
matriz inversa.

9. Sistemas de
ecuaciones lineales.
Representación
matricial. Sistemas
 Resolver homogéneos y no
homogéneos. Asignar
sistemas de
prácticas para
ecuaciones por hacerlas en la
diferentes 10. Sistemas casa.
métodos: determinados de
matricial, por solución única. Revisar dudas
Gauss, método Indeterminados con de la práctica
de Cramer y por infinitas soluciones. con su
Rouché- Sistemas monitor/a y/o
Frobenius. incompatibles. profesor/a.

11. Solución de
sistemas de ecuación
por diversos
métodos.

Bibliografía de Álgebra Superior (Mat-230)

 Álgebra Superior.
Autor: Murray R. Spiegel

Editorial: Mc Graw Hill. 1991.

 Matrices
Autor: Frank Ayres

Editorial: MCcGraw Hill. 1992

 Álgebra Y Análisis Matricial.

Autor: Rubén Félix Lebreault.

Editorial: Editora Universitaria. UASD. 2007

 Notas de Cátedras de los profesores:

a) Tomás Darío Navarro
b) Tulio Mateo y Rosa de Peña

Página 196