Modulo 1 Matrices y Sistemas de Ecuaciones

Matrices
y sistemas
de ecuaciones
PID_00255112
Antoni Montes Lozano
Tiempo mínimo de dedicación recomendado: 5 horas

 FUOC • PID_00255112 Matrices y sistemas de ecuaciones
Índice
Introducción ............................................................................................. 5
Objetivos .................................................................................................... 6
1. Introducción ....................................................................................... 7
2. Matrices ................................................................................................. 9
3. El método de Gauss ............................................................................ 16
4. Sistemas homogéneos ........................................................................ 25
5. Determinantes y regla de Cramer .................................................. 29

5.1. Determinantes de segundo orden ................................................... 29
5.2. Determinantes de tercer orden ........................................................ 31
5.3. Propiedades de los determinantes ................................................... 32
5.4. Regla de Cramer para los sistemas 3  3........................................... 35
5.5. Sistemas y determinantes de orden n............................................... 36
5.6. Comentarios .................................................................................... 39
6. Matriz inversa ..................................................................................... 44
7. Ejemplos económicos.......................................................................... 48
7.1. Cómo hay que repartir un presupuesto de dinero .......................... 48
7.2. La economía de un país y las matrices ............................................ 49
Resumen ..................................................................................................... 53
Ejercicios de autoevaluación ................................................................ 55
Solucionario .............................................................................................. 57
Ejercicios .................................................................................................... 57
Ejercicios de autoevaluación ................................................................ 63
Glosario ...................................................................................................... 65
Bibliografía ............................................................................................... 66
 FUOC • PID_00255112 5 Matrices y sistemas de ecuaciones
Introducción
En la mayoría de los problemas que plantean la ciencia y la técnica, y también

las ciencias económicas, se utilizan sistemas de ecuaciones lineales, segura-
mente porque son los sistemas de ecuaciones que sabemos resolver más fácil-
mente. Incluso cuando el problema es más complicado, a menudo se procura
reducirlo aproximadamente a un sistema de ecuaciones lineales. En este mó-
dulo se proporcionan las herramientas esenciales para resolverlos, saber si tie-
nen solución, cuántas tienen y cómo se pueden obtener. Por esta razón se
introducen las matrices, que son tablas de números, se estudian sus propieda-
des y se aprende a trabajarlas. Asimismo, se describe detalladamente el méto-
do de Gauss de eliminación y se introducen los determinantes para tener una
formulación teórica más completa.
Objetivos
Los objetivos que deberéis alcanzar, una vez trabajado el módulo, son:
1. Aprender el concepto de matriz.
2. Dominar el álgebra de matrices (operatoria).
3. Saber analizar y resolver sistemas de ecuaciones.
4. Aprender a utilizar las matrices en otras materias, especialmente en economía.

1. Introducción
Muchos problemas técnicos y científicos requieren la resolu-

ción de sistemas de ecuaciones lineales. Es un tema fundamen-
tal para todas las disciplinas que utilizan las matemáticas de
una u otra manera. En muchos problemas existe una depen-
dencia entre las diferentes magnitudes o variables que inter-
vienen y a menudo las planteamos en forma de ecuación
lineal. Al menos porque es la dependencia más simple y que sa-
bemos manejar mejor. A menudo, además, representan una
buena aproximación al problema objeto de estudio.
En economía también pasa lo mismo. Las matrices y los sistemas

de ecuaciones lineales se utilizan para el análisis de la economía
nacional (tablas input-output), para los estudios econométricos
(hay una materia llamada econometría), para decisiones referidas
a la minimización de costes de producción, para repartir un pre-
supuesto, etc.
Tabla babilónica que contiene
el enunciado y la solución
de 16 problemas matemáticos.
Ejemplo 1.1. Consideremos los sistemas lineales de dos ecuaciones y dos incógnitas
siguientes:
2x + 3y = 7  2x + 3y = 4  2x + 3y = 6 
  
2x – 3y = 1  2x + 3y = 6  4x + 6y = 12 
Elaborando gráficas de cada uno de los sistemas de ecuaciones se obtiene:
a) Rectas secantes b) Rectas paralelas c) Rectas coincidentes
El primer sistema representa dos rectas que se cortan en el punto (2,1) y tiene
solución única. El segundo caso representa dos rectas paralelas y no tiene solu-
ción. El tercer ejemplo corresponde a dos rectas coincidentes y tiene infinitas
soluciones.
Tratándose de sistemas de dos ecuaciones y dos incógnitas no hay más casos.

En realidad, éstos son los emblemáticos para sistemas con más ecuaciones e
incógnitas.
Diremos que un sistema es compatible si admite soluciones, es decir, si

existen valores de x, y que satisfacen el sistema. En caso contrario, di-
remos que es incompatible. Un sistema compatible diremos que es de-
terminado si admite una única solución. En caso contrario, diremos
que es indeterminado. En estos términos, los tres casos del ejemplo 1
quedan clasificados de la manera siguiente: a) compatible y determi-
nado, b) incompatible, c) compatible e indeterminado.
Ahora estudiaremos los sistemas de ecuaciones lineales en general y determi-

naremos cuántas soluciones tienen y cómo podemos calcularlas. Pero antes Evariste Galois (1811-1832)
debemos introducir la notación matricial, que resulta muy útil. Comenzó a interesarse por las
matemáticas a los 15 años y tres
años después publicó ya un tra-
bajo importante. Comprometi-
do políticamente en contra de
las injusticias políticas. Los
sucesos de las revoluciones de
1830 lo llevaron, indirecta-
mente, a una muerte prematu-
ra, a los 21 años. A pesar de
todo, dejó una producción
matemática trascendental en el
campo de la teoría de las ecua-
ciones.
2. Matrices
Daremos ahora las definiciones y notaciones que utilizaremos.
Un sistema de m ecuaciones lineales y n incógnitas x1, x2, ..., xn o variables con-

sistirá en un conjunto de m ecuaciones de la forma:
a 11 x 1 + a 12 x 2 +  + a 1n x n = b 1 

a 21 x 1 + a 22 x 2 +  + a 2n x n = b 2 
 (2.1)



a m1 x 1 + a m2 x 2 +  + a mn x n = b m 
donde las a ij y las b i son escalares conocidos, y el rango de variación de los

La noción...
índices es 1  i  m 1  j  n. El coeficiente a ij es el factor que multiplica x j en
la i-ésima ecuación, y el coeficiente b i es el término independiente de la i-ésima ... de matriz fue introducida en
1857 por los matemáticos
ecuación. británicos W. Hamilton y A.
Cayley.
Los coeficientes a ij forman una matriz de m filas y n columnas, que represen-

taremos por A y diremos que es la matriz del sistema. De este modo tendremos:
 a 11 a 12  a 1n 
 
 a 21 a 22  a 2n 
A =  
 


a a  a 
 m1 m2 mn  (2.2)
Diremos A =  a ij  para indicar que A es la matriz m  n que tiene por elemen-

El primero...
tos los a ij , sobreentendiendo cuál es el rango de variación de los índices i,j.
... en utilizar la palabra matriz
fue Sylvester para indicar una
ordenación determinada de
Análogamente, podemos agrupar las x j en forma de matriz de una sola colum- números.
na y n filas, que también denominaremos vector columna y que representare-
mos por x. Los términos independientes b j también pueden ser agrupados en
forma de vector columna de m filas y lo denominaremos b.
De este modo tendremos:
 x 1  b1 
   
 x 2  b2 
x =   b= 
   
...
...
x  b 
 n  m
Definimos ahora el producto de una matriz C, de m filas y k columnas por una

Observad con atención
matriz D, de k filas y n columnas, como la matriz E de m filas y n columnas que...
siguiente:
 el número de columnas
de C y el de filas de D es el mis-
mo (n).
 e ... e   c11 ... c 1k   d ... d 

 11 1n     11 1n 
  =   .  
...
...
     
...
...
 e ... e   cm1 ... c mk   d ... d 
 m1 mn     k1 kn

donde el elemento e ij de la i-ésima fila y j-ésima columna del producto E se

obtiene multiplicando los elementos de la i-ésima fila de C por los elementos
de la j-ésima columna de D y sumando:
e ij = c i1 d 1j + c i2 d 2j + ... + c ik d kj =  c ip d pj
p=1
Abreviadamente, escribiremos: William Rowan Hamilton

(1805-1865)
Matemático nacido en Dublín,

E = C·D fue un niño precoz que a los
cinco años leía, además del in-
glés, latín, griego y hebreo; a
los diez, francés, italiano, árabe
o bien omitiendo el punto, simplemente E = C D. y sánscrito, y a los catorce el
persa. Abandonó el estudio de
las lenguas para consagrarse a
las matemáticas. Son impor-
Resulta, de la definición de producto de matrices, que para poder multiplicar tantes sus trabajos sobre los
números irracionales (Algebra
dos matrices es preciso que la matriz de la izquierda tenga el mismo número as the Science of Pure time,
de columnas como filas tenga la matriz de la derecha. 1833-1835).
Con estas notaciones, el sistema (2.1) se escribe según la forma:
A·x = b (2.3)
Además de la matriz del sistema (2.2), también utilizaremos la matriz ampliada,

obtenida a partir de la matriz del sistema y añadiendo la columna de los tér-
minos independientes:
 a 11 a 12  a 1n 
 b1 
 a 21 a 22  a 2n b 
 2


 
 
 am1 a m2  a mn b m (2.4)
 
Habiendo definido el producto de matrices, conviene definir también la suma.

La suma de dos matrices m  n es igual a la matriz m  n que se obtiene suman-
do los elementos correspondientes:
d d ... d 1n 
 c 11 c 12 ... c 1n   11 12  c 11 + d 11 c 12 + d 12 ... c 1n + d 1n 
 c c ... c   d 21 d 22 ... d 2n   c +d
 21 21 c 22 + d 22 ... c 2n + d 2n 
 21 22 2n
 +  =  
     
...
...
...
...
...
...
...
...
 ... 
 cm1 c m2 ... c mn  dm1 d m2 ... d mn   c +d
 m1 m1 c m2 + d m2 ... c mn + d mn
o abreviadamente
 C + D  ij =  C  ij +  D  ij = c ij + d ij
Arthur Cayley (1821-1895)
Matemático inglés que destacó

Ejemplo 2.1. Dado el sistema de ecuaciones siguiente: por sus contribuciones a la te-
oría de matrices, determi-
nantes, geometría n-
dimensional y, en colaboración
2x + 3y – 6z = 7  con
 su gran amigo Sylvester, en
– 3y + z = 1  la denominada teoría de los in-
 variantes y las álgebras de di-
– x + 4y – z = 4  mensión finita.
escribid la matriz del sistema y la matriz ampliada. Escribid el sistema en la forma

2.1. Solución
(2.3).
Matriz del sistema:
Ejemplo 2.2. ¿Cuándo es factible la multiplicación de dos matrices? Si es posible,  2 3 –6 

 
 0 –3 1 
haced la multiplicación matricial indicada:  –1 4 –1 
 
Matriz ampliada:
   2 –1


 3 –1 0 4   2 3 –6 7 
  3 2   
 –1 0 3 1   –4   0 –3 1 1 
0   
 2 5 –1 0    –1 4 –1 4 
  1 3 
Sistema:
    7
 2 3 –6  x 
2.2. Solución: para poder multiplicar A y B es preciso que el número de colum-    y  =  1 
 0 –3 1  
 –1  z   
nas de A sea igual al número de filas de B. En el ejemplo dado el número de 
4 –1
  4
filas y el de columnas es el mismo, 4, y el producto es posible. Cada elemento
del producto tendrá 4 sumandos. El resultado es una matriz de 3 filas (número
de filas de A) y 2 columnas (número de columnas de B):
 7 7
 
– 13 4
 
 23 8
Ejemplo 2.3. Haced la suma: 2.3. Solución
 
 3  11 4 0 
4   8 4 – 4 
9
–1 0 10  
  2 2 4 –2 
 –1 0 3 1  + 3 2 1 –3  
7 0 7 2 

    
 2 5 –1 0  5 –5 8 2 
Cuando las matrices tienen el mismo número n de filas y columnas hablamos

de matrices cuadradas. Si consideramos el conjunto de las matrices cuadradas,
siempre se pueden sumar dos a dos y multiplicar dos a dos. La suma y la mul-
tiplicación de matrices tienen buenas propiedades.
Propiedades de la suma:
Sean A, B, C matrices m  n cualquiera. Se verifican las propiedades siguientes:
MS1 Asociativa
(A + B) + C = A + (B + C)
MS2 La matriz 0, que tiene todos los elementos nulos, es el elemento neutro
de la suma:
A+0=A
MS3 A cada A le corresponde una matriz opuesta –A, formada por los elemen-
tos de A cambiados de signo, tal que:
A + (–A) = 0
MS4 Conmutativa
A+B=B+A
Un conjunto dado con una operación que tiene las propiedades anteriores
MS1, MS2, MS3 y MS4 se denomina un grupo conmutativo.
Propiedades del producto:
Sean A, B, C matrices cuadradas n  n cualquiera. Se verifican las propiedades

siguientes:
MP1 Asociativa
A · B · C = A · B · C
MP2 La matriz identidad I, que tiene 1 en la diagonal principal y 0 en las de-

más posiciones, es el elemento identidad para la multiplicación:
A·I = I·A = A
Propiedad combinada:
MPS Distributiva
A · B + C = A · B + A · C
A + B · C = A · C + B · C
No es difícil probar que se cumplen estas propiedades y el lector interesado las

puede demostrar. Nosotros las admitiremos sin demostración. Conviene des-
tacar que la multiplicación de matrices no es conmutativa, es decir, que en ge-
neral A · B  B · A. Los elementos 0 y I son:
0 0 ... 0 1 0 ... 0
   
0 0 ... 0 0 1 ... 0
0 =   I =  
   
...
...
...
...
0 0 ... 0  
 0 0 ... 1
Un conjunto dado con una suma y un producto que tiene las propiedades an-
teriores, como el conjunto de las matrices cuadradas, se denomina un anillo
con unidad.
Las matrices admiten también otra operación, que es la multiplicación por un

Ejemplo
número o escalar. Este producto se realiza multiplicando cada elemento de la
matriz por el número en cuestión.  7 9 0
 
3 ·  –1 5 2 =
 
 2 –3 5
La multiplicación por escalares también tiene propiedades características y fá-
 21 27 0
ciles de demostrar:  
=  –3 15 6
 
 6 –9 15
Propiedad de la multiplicación por escalares:
ME1 Asociativa
Prestad atención
  A  =   A
A ·  B  =   A · B  (lambda, mi minúsculas,
equivalentes a nuestras I, m
en el alfabeto griego) las utili-
zamos para representar escala-
ME2 Los números 0 y 1 actúan así: res.
1A=A
0A=0
ME3 Distributivas
  +   A =  A  +  A 
  A + B  =  A  +  B 
Dada una matriz, a veces interesa intercambiar filas y columnas. La matriz resul-
t t
tante se denomina matriz transpuesta. Si A =  a ij  y A =  a ij  tendremos:
t
a ij = a ji
Ejemplo 2.4. Escribid una matriz 3  4 y su transpuesta.

2.4. Solución
Es muy sencillo demostrar que:

 3 –1 0 4 
 
A =  –1 0 3 1 
(A + B)t = At + Bt  2 5 –1 0 
 
(A · B)t = Bt · At
 3 –1 2 
Una matriz cuadrada que sea igual a su transpuesta diremos que es simétrica.  –1 0 5 
At =  
 0 3 –1 
 
También aparecen matrices con la propiedad de que su transpuesta es su  4 1 0 
opuesta. En este caso diremos que la matriz es antisimétrica. Las matrices anti-
simétricas tienen necesariamente ceros en la diagonal principal.
La matriz
Otras acciones que se pueden realizar con una matriz y que nos serán muy úti-
 
les en el próximo apartado es extraer de la matriz una fila o una serie de filas  1 2 3 
A =  2 –5 6

 
y/o columnas.  3 
6 7
 
es simétrica:
Ejemplo 2.5. Dado:
t
A = A
a ij = a ji
 
 8 10 4 –4 
 
 3 2 1 –3 
 5 –5 8 2  2.5. Solución
 
 10 –4 
 
 –5 2 
obtengamos la submatriz formada por las filas 1, 3 y las columnas 2, 4.
Análogamente podemos orlar o ampliar una matriz añadiendo columnas o filas.
Ejemplo 2.6. Dadas las matrices:

2.6. Solución
A orlada con B:
 12 7 –3   10 –4   8 9 4 
A =   B =   C =    
 –2 4 –1   –5 2   15 –5 2   12 7 –3 10 –4 
 –2 4 –1 –5 2 

A orlada con C:
obtengamos la matriz A orlada con B por columnas. Lo mismo la matriz A orlada
 12 7 –3 
con C por filas.  
 –2 4 –1 
 8 9 4 
 
Ejercicios  15 –5 2 
2.1. Sean las matrices siguientes:
 2 5   3 –1   7 –2   1 0  0 0
A =   B =   C =   I =   O =  
 –1 3   4 8  –1 2   0 1  0 0
Comprobad las propiedades de la suma, multiplicación y multiplicación por escalares,

calculando de las dos maneras las expresiones siguientes:
a) I · A, A · I; 0 · A, A · 0. b) A + B, B + A.
c) A · B, B · A. d) A (B + C), A · B + A · C.
e) (B + C) · A, B · A + C · A. f) (3 + 5)A, 3A + 5A.
g) 3(5A), (15)A.
 7 –2 
2.2. Dada la matriz A =   , calculad
 –1 2 
a) 2A3 – 5A2 + 4A + 3I
b) At · A
2.3. Demostrad que (A · B)t = Bt · At
2.4. Si A es una matriz 4  6

a)¿Es posible calcular At · A y A · At?
b) Si es posible calcularlo, ¿cuántas filas y cuántas columnas tiene At · A?
c) Ídem en A · At
d) ¿Tienen otra característica especial las matrices anteriores?
2.5. Sean:
 x   a a 12 a 1 
   11
x =  y  A =  a 12 a 22 a 2 
  
 1   a a2 a 
 1 
Probad que:
xt · A · x = a11x2 + 2a12 xy + a22 y2 + 2a1x + 2a2y + a
¿Qué tipo de matriz es A?
 a b 
2.6. Dada la matriz A =   , probad que si  = ad – bc  0, entonces la matriz
 c d 
1  d – b  es inversa de A, es decir, A · A’ = A’ · A = I.
A ‘ = --- ·  
  –c a 
2.7. Dadas tres matrices cuadradas, n  n, A, B, C, probad la propiedad asociativa de la

multiplicación, es decir, (A · B) · C = A · (B · C).
3. El método de Gauss
Empezamos ahora el estudio de los sistemas de ecuaciones lineales. Dado un sis-

tema de ecuaciones lineales (2.1), para saber si tiene soluciones y para encontrar-
las, si las tiene, utilizaremos el método de eliminación de Gauss, que es la manera
más eficiente. El método consiste en triangular el sistema, eliminando sucesiva-
mente, las variables.
Para eliminar la primera variable elegimos una ecuación en la que esta variable
tenga coeficiente diferente de cero (pivote). Guardamos como definitiva esta
ecuación y la utilizamos para eliminar la variable en cuestión en las ecuacio-
nes restantes. Debido a esto, transformamos cada ecuación (o fila de la matriz
ampliada del sistema) añadiendo la ecuación del pivote multiplicada por una
constante conveniente. Es evidente que este hecho no altera las soluciones del Karl Friedrich Gauss
(1777-1855)
sistema (consultad el ejercicio propuesto). Procedemos de la misma manera
Conocido por Princeps Mathe-
con las demás variables y ecuaciones, hasta que el problema queda cerrado maticorum (príncipe de los
matemáticos), es, tal vez, el
para sentencia. Pongamos un ejemplo. mayor matemático de la histo-
ria, y también fue un niño pre-
Ejemplo 3.1. Sea el sistema: coz. A los 3 años descubrió un
error de cálculo en la paga de
los obreros de su padre (no
sabemos si a favor de los obre-
2x + 3y + z = 6  ros o de su padre).

x – 2y – 5z = 5 

3x + 5y + 3z = 8 
3.1. Solución: fijamos la primera ecuación, ya que el coeficiente de x es 2 y es

diferente de cero. Éste será el primer pivote. Para eliminar la x en la segunda
ecuación, multiplicaremos la primera por –1/2 y la sumaremos a la segunda.
Para eliminar la x de la tercera, multiplicaremos la primera por –3/2 y la suma-
remos a la tercera. Con estas operaciones, el sistema quedará reducido a:
2x + 3y + z = 6 

7 11
– --- y – ------ z = 2 
2 2 

+ y + z = – 1 
1 3
--
- ---
2 2
Seguidamente tomamos como pivote el coeficiente de la y en la segunda ecua-

ción, es decir –7/2. Por lo tanto, dejaremos fijada también esta ecuación y eli-
minaremos la y de la tercera. Para hacer esto, hay que multiplicar la segunda
ecuación por 1/7 y sumarla a la tercera. El sistema será ahora:
2x + 3y + z = 6
7 11 
– --- y – ------ z = 2 
2 2 
5 
5
+ --- z = – --- 
7 7
Cuando hayamos llegado a este punto, el sistema habrá quedado triangulado.

De la última ecuación podemos aislar la z y tendremos:
z = –1
Sustituyéndola en la segunda, podemos aislar la y:
2 11 2
y = – ---  2 + ------ z = – -----  2 – 11
------ = 1
7  2  7  2
Finalmente, sustituyendo z e y en la primera obtendremos:
1 1
x = ---  6 – 3y – z  = ---  6 – 3 + 1  = 2
2 2
Podemos analizar el procedimiento utilizado analizándolo desde el punto de

vista matricial. La matriz ampliada del sistema dado es:
 
 2 3 1 6

 1 –2 –5 5 
 3 5 3 8
 
En el primer paso hemos elegido como pivote el coeficiente 2 y lo que hemos

hecho ha sido multiplicar la primera fila por –1/2 y sumar el resultado a la se-
gunda, y multiplicar la primera fila por –3/2 y sumar el resultado a la tercera.
La matriz es ahora:
 2 3 1 6 

 7 
 0 – --- – 11
------ 2 
 2 2 
 1 3 – 1
 0 --- --- 
 2 2 
En el segundo paso, el pivote es – 7/2 . Repetimos la operación multiplicando la

segunda fila por 1/7 y sumando el resultado a la tercera. Con esto obtenemos la
matriz triangularizada:
2 3 1 6 

 7 
 0 – --- – 11
------ 2 
 2 2 
 5 5 
 0 0 --- – --- 
 7 7 (3.1)
En el método de Gauss vamos transformando la matriz ampliada del sistema

en otra equivalente desde el punto de vista de las soluciones del sistema aso-
ciado. Para realizarlo utilizamos alternativamente las cuatro transformaciones

siguientes, que obviamente no modifican las soluciones:
Transformaciones utilizadas por el método de Gauss

T1 Permutar dos filas entre sí.
T2 Añadir a una fila una paralela, previamente multiplicada por un número.
T3 Multiplicar (o dividir) una fila por un número diferente de cero.
T4 Permutar dos columnas de la matriz de coeficientes entre sí, siempre que tengamos
en cuenta que esto también comporta cambiar el orden de las variables correspon-
dientes.
T1 y T2 son las transformaciones básicas. T3 se utiliza para reducir una ecuación (u obligar
al pivote a ser 1). Si no utilizamos T4, que es el caso más usual, hablamos de pivotamiento
parcial, en cambio hablamos de pivotamiento total cuando lo utilizamos.
El objetivo que se pretende alcanzar es obtener una forma final de la matriz del sistema con
la que la solución sea inmediata.
No todos los sistemas tendrán siempre una única solución como sucedía en el
ejemplo anterior. Veamos ahora otro otro ejemplo.
Ejemplo 3.2. Sea el sistema:
x+y–z = 0 

– 2x + + 3z = 5 

x + 5y + z = 10 
3.2. Solución: la matriz del sistema es ahora:
 1 1 –1 0 
 
 –2 0 3 5
 
 1 5 1 10 
Aplicando el método de Gauss (transformación T2 tres veces) obtendremos:

Observad que...
... la matriz final representa

 1 1 –1 0  1 1 –1 0  un sistema con dos ecuaciones
    y tres incógnitas.
 0 2 1 5   0 2 1 5
   
 0 4 2 10   0 0 0 0
La matriz final tiene una fila menos que incógnitas, y ahora resulta que tene-
mos un grado de libertad para elegir la z, que puede tomar cualquier valor. Su-
pongamos que z = t. Sustituyendo esta expresión en y, y ambas en x,
obtenemos que la solución general del sistema depende de un parámetro arbi-
trario t, y es la siguiente:
z = t 
1 1 
y = ---  5 – z  = ---  5 – t  
2 2 

1 1
x = z–y = t – ---  5 – t  = ---  3t – 5  
2 2 
En la eliminación puede ser necesario permutar filas (transformación T1), ya

que el elemento diagonal, que en principio tomaríamos como pivote, se ha
anulado. No hay ningún inconveniente en permutar filas para tener un pivote
diferente de cero y poder continuar el proceso de eliminación en forma trian-
gular. Pero también puede pasar que todos los elementos de la columna sean
cero. Pongamos un ejemplo con cinco variables x1, x2, x3, x4 y x5.
Ejemplo 3.3. Sea el sistema que tiene la matriz ampliada siguiente:
 3
 1 –1 2 0 2
 1 –1 2 0 3 5
 
 1 0 2 3 6 1
 –1 2 –2 4 4 – 6

 2 –2 4 0 5 8
 
 1 –1 2 0 1 1
3.3. Solución: tomamos como pivote el elemento de la primera fila y primera

columna, y reducimos a cero los otros elementos de la primera columna. El
resultado es:
 1 –1 2 0 2 3
 
 0 0 0 0 1 2
 
 0 1 0 3 4 –2 
 0 1 0 4 6 –3 
 
 0 0 0 0 1 2
 0 0 0 0 –1 – 2 

Ahora tomamos como pivote el elemento de la segunda columna y tercera fila,

y permutamos, así, las filas segunda y tercera:
 1 –1 2 0 2 3
 
 0 1 0 3 4 –2 
 2 
 0 0 0 0 1
 0 1 0 4 6 –3 
 
 0 0 0 0 1 2
 0 0 0 0 –1 – 2 

Nuevamente reducimos a cero los demás elementos de la segunda columna:
 1 –1 2 0 2 3
 
 0 1 0 3 4 –2 
 2 
 0 0 0 0 1
 0 0 0 1 2 –1 
 
 0 0 0 0 1 2
 0 0 0 0 –1 – 2 

En este ejemplo, ha resultado, además, que se han anulado también los otros
elementos de la tercera columna. Podemos tomar como pivote el elemento de
la cuarta fila y cuarta columna. Así, permutamos las filas tercera y cuarta:
 1 –1 2 0 2 3
 
 0 1 0 3 4 –2 
 –1 
 0 0 0 1 2 
 0 0 0 0 1 2
 
 0 0 0 0 1 2
 0 0 0 0 –1 – 2 

Finalmente, tomamos como pivote el elemento de la cuarta fila y quinta co-

lumna y el sistema queda reducido completamente:
 1 –1 2 0 2 3
 
 0 1 0 3 4 –2 
 – 1 
 0 0 0 1 2
 0 0 0 0 1 2
 
 0 0 0 0 0 0
 0 0 0 0 0 0 
 (3.2)
Podemos ahora expresar la solución general:
x5 = 2 = 2 

x 4 = – 1 – 2x 5 = –5 

x3 = t = t 

x 2 = – 2 – 3x 4 – 4x 5 = 5 
x 1 = 3 + x 2 – 2x 3 – 2x 5 = 4 – 2t 
que, como vemos, depende de un parámetro arbitrario t (aunque en este ejem-

plo algunas incógnitas tienen valor fijo, independiente de t).
En este ejemplo, hemos visto cómo, al reducir a cero los elementos de una co-
lumna (la segunda), se nos han reducido también “por azar” los elementos de
la siguiente. Cuando sucede esto, podemos realizar una permutación de co-
lumnas (transformación T4), para continuar colocando el nuevo pivote en la
diagonal principal de la matriz, siempre que permuten también el orden de las
variables correspondientes.
Cuando reducimos con este criterio hablamos de pivotamiento total. Así, par-
tiendo del sistema de la forma (3.2), podríamos permutar las columnas tercera
y cuarta y obtendremos:
x1 x2 x4 x3 x5
 1 –1 0 2 2 3 
 
 0 1 3 0 4 –2 
 0 0 1 0 2 –1 
 
 0 0 0 0 1 2 
 
 0 0 0 0 0 0 
 0 0 0 0 0 0 
 
Hemos tenido suerte, porque la tercera columna ha quedado automáticamen-

te reducida sin necesidad de hacer nada más. Nuevamente hay que permutar
las columnas cuarta y quinta para llevar el pivote de la quinta columna a la
diagonal principal. El resultado es:
x1 x2 x4 x5 x3
 1 –1 0 2 2 3 
 
 0 1 3 4 0 –2 
 0 0 1 2 0 –1 
 
 0 0 0 1 0 2 
 
 0 0 0 0 0 0 
 0 0 0 0 0 0 
 
La cuarta columna también ha quedado automáticamente reducida. Además,

el sistema está ya totalmente reducido. Las filas (o ecuaciones independientes)
tienen el pivote en la diagonal principal y las ecuaciones que no eran indepen-
dientes se han reducido a cero y podemos eliminarlas.
De aquí obtenemos la solución:
x3 = t = t 

x5 = 2 = 2 

x 4 = – 1 – 2x 5 = –5 

x 2 = – 2 – 3x 4 – 4x 5 = 5 
x 1 = 3 + x 2 – 2x 5 – 2x 3 = 4 – 2t 
que, como vemos, coincide exactamente con la solución dada con pivota-
miento parcial.
Las soluciones del sistema pueden ponerse también en forma matricial de esta
manera:
 x 1  4  – 2 
     
 2  5 
x
 0
   
x =  x 3 = 0 + t  1 
     
 0
 x 4 – 5   
x   2  0
 5
Veamos ahora otro ejemplo:

3.4. Solución
Ejemplo 3.4. Sea el sistema que tiene por matriz ampliada: Procedemos a reducir la prime-
ra columna tomando como pi-
vote el 7. El resultado es:
 7 –3 –1 
 0  
 7 –3 – 1 0
 4 2 8 5 
  26 60 
 0 ------ ------ 5
 3 –5 –9 7  7 7 
 26 60 
 0 – ------ – ------ 7
 7 7 
Si admitimos pivotamiento total, el proceso de eliminación gaussiana puede
Tomamos como pivote el ele-
acabar con tres tipos de final diferentes, que quedan caracterizados por los ti- mento de la segunda fila y se-
gunda columna 26/7 y
pos de matrices siguientes, expuestos al margen, donde  indica un número reducimos la segunda columna:
cualquiera y un número diferente de cero.
 7 –3 – 1 0
 26 60 
 0 ------ ------ 5
En el caso 1, cada variable queda unívocamente determinada porque, una vez  7 7 
 
reducido el sistema a la forma triangular, ha quedado un número igual de ecua-  0 0 0 12
ciones viables que de incógnitas. Empezamos por aislar la última variable, va- El resultado es ahora que la
tercera ecuación es imposible y,
mos sustituyendo hacia atrás y obtendremos el valor de una variable en cada por lo tanto, el sistema no tiene
sustitución. ninguna solución. Es un sistema
incompatible.
En el caso 2, se eliminan algunas ecuaciones y quedan

menos ecuaciones que incógnitas, pero las que quedan Sistemas de matrices
son independientes y no se pueden eliminar haciendo
1) Sistema determinado
combinaciones lineales de las filas que quedan final-
mente en el sistema. Además, todas las ecuaciones son       
 
viables. En el ejemplo del esquema, de las 5 ecuaciones  0     
 0 0 
iniciales han quedado únicamente 3 y, puesto que hay 5     
 0 0 0  
  
incógnitas, quedan 2 parámetros libres indeterminados.  0 0 0 0  
En conjunto, las soluciones dependerán de 2 parámetros
2) Sistema indeterminado
arbitrarios. El número de ecuaciones independientes
que quedan (3 en el ejemplo del esquema) se denomina     
 
 
el rango de un sistema. Más adelante veremos que esto  0     
 0 0 
no depende de la forma como se realiza la eliminación.     
 0 0 0 0 0 0
El número de grados de libertad es igual al número de in-  
 0 0 0 0 0 0
cógnitas menos el rango.
3) Sistema incompatible
El caso 3, en apariencia, es parecido al anterior, pero con la
diferencia de que queda una ecuación imposible (la cuarta       
 
 0     
en el ejemplo del esquema) del tipo 0 = , que no contiene  
 0 0    
ninguna variable. Por lo tanto, el sistema no tiene solu-  0 0 0 0 0 
 
ción. Diremos que el rango de la matriz del sistema (3 en el  0 0 0 0 0 0
ejemplo) es inferior al rango de la matriz ampliada (4 en

el ejemplo).
En el primer caso, el rango de la matriz del sistema es igual al rango de

la matriz ampliada y al número de incógnitas. Por esta razón, el sistema
es determinado y tiene una única solución.
En el segundo caso, el rango de la matriz del sistema es también igual al

rango de la matriz ampliada, pero es inferior al número de incógnitas.
Quedan, pues, parámetros arbitrarios.
En el tercer caso, el rango de la matriz del sistema es inferior al rango de

la matriz ampliada y el sistema es entonces incompatible.
Los casos 1 y 2 decimos que son compatibles en contraposición al terce-

ro.
Rango de una matriz
El rango de una matriz es el

El método de Gauss proporciona también una manera eficiente de determinar número de filas independientes
que contiene.
el rango de una matriz, o número de filas independientes que contiene. Como
veremos más adelante, este número no depende de la forma concreta como se
ha hecho la reducción y es inherente a la misma matriz.
Ejemplo 3.5. ¿Cuál es el número de incógnitas, el rango de la matriz del sistema y

el rango de la matriz ampliada en los ejemplos 3.1., 3.3 y 3.4?
3.5. Solución: en el ejemplo 3.1, de la matriz (3.1), deducimos que el número

de incógnitas es 3 (número de columnas de la matriz del sistema), que el Solución 3.5
rango de la matriz del sistema es 3 (número de filas diferentes de cero de la del ejemplo 3.1
matriz del sistema una vez reducido) y la matriz ampliada es igualmente 3 – número de incógnitas = 3
(número de filas diferentes de cero de la matriz ampliada una vez reducida – rango de la matriz
del sistema = 3
por Gauss). – rango de la matriz
ampliada = 3
– sistema compatible
De la discusión anterior se desprende lo siguiente: y determinado
Solución 3.5
Teorema 1 (Rouché-Frobenius). Un sistema de ecuaciones lineales es del ejemplo 3.3
compatible si el rango de la matriz del sistema es igual al rango de la ma- – número de incógnitas = 5
triz ampliada e incompatible, en caso contrario. El número de grados de – rango de la matriz
del sistema = 4
libertad de un sistema compatible, o número de parámetros del que de- – rango de la matriz
pende la solución del sistema, es igual al número de incógnitas menos ampliada = 4
– sistema compatible
el rango de la matriz del sistema. e indeterminado (5 – 4 = 1
grado de libertad)
Ejercicios Solución 3.5

del ejemplo 3.4
Resolved los sistemas de ecuaciones siguientes: – número de incógnitas = 3

– rango de la matriz
del sistema = 2
3.1. x + y + 5z = 0  – rango de la matriz
 ampliada = 3
2x – y + 3z = 1 
 – sistema compatible
– 3x + 4y – z = 0 
3.2. 5x + 2y – z = 2 

x – y + 3z = 8 

–2 x + 3y + 2z = – 3 
3.3. x + z – t = 2 
2x – y + z = 1

x + 3y + 4z – 7t = 11 

– 4x + 3y – z – 2t = 1
– 2x + 2y – t = 2

3.4. 4x – 2y – z = 2 

3x + 5y + 3z = 2 

x – 7y – 4z = 2 
3.5. 2x 1 + 2x 2 + 2x 3 – x 4 – x 5 = 8

+ x4 + x5 = –2 

x1 + x2 + x3 + x4 + x5 = 1

x1 + x2 + x3 = 3

3x 1 + 3x 2 + 3x 3 + 4x 4 + 4x 5 = 1
4. Sistemas homogéneos
Un sistema homogéneo es aquél cuyo término independiente es cero en todas

las ecuaciones. Un sistema homogéneo de m ecuaciones y n incógnitas será de
la forma:
a 11 x 1 + a 12 x 2 + ... + a 1n x n = 0 

a 21 x 1 + a 22 x 2 + ... + a 2n x n = 0 


...
...
a m1 x 1 + a m2 x 2 + ... + a mn x n = 0  (4.1)
o matricialmente:
A·x=0
Es evidente que todo sistema homogéneo admite la solución trivial:
 x 1  0
   
 x 2  0
  =  
   
...
...
x   0
 n  
o, brevemente, x = 0. De un sistema homogéneo que únicamente tenga la so-

lución trivial se dice, por abuso del lenguaje, que no tiene soluciones propias.
Para los sistemas homogéneos, la matriz ampliada contiene sólo una columna de
Los sistemas homogéneos...
ceros más que la matriz del sistema, de manera que el rango de la matriz amplia-
da será igual al de la matriz de un sistema. La primera parte del teorema de Rou- ... siempre son compatibles:
siempre tienen una solución 0.
ché, aplicado ahora, nos dice que siempre tendrá solución, cosa evidente, ya que Si únicamente tienen la solu-
ción nula o trivial, a menudo
x = 0 es una solución trivial. Pero en el caso de los sistemas homogéneos, las so- decimos que no tiene solución
luciones que interesan son precisamente las que no son triviales. propia.
Para un sistema homogéneo, si hay una solución particular x = x1, o detalla-

damente:
 x 1  x 11
   
 x 2  x 12
x =   =  
   
...
...
x  x 
 n  1n
entonces, si t es un parámetro arbitrario, x = tx1 también es solución. Es decir,

también es solución para todo t:
 x 1  x 11
   
 x 2  x 12
  = t  
   
...
...
x  x 
  n  1n
Si un sistema homogéneo admite un conjunto de soluciones particulares x = xi

para 1  i  s , toda combinación lineal de la forma:
x = t1 x1 + t2 x2 + ··· + ts xs
será también solución. Si ponemos la solución en forma matricial, será:
 x 1  x 11  x 21  x s1

       
 x 2  x 12  x 22  x s2
  = t1   + t2   + ··· + t s  
       
...
...
...
...
(4.2)
x  x  x  x 
 n  1n  2n  sn
Estas proposiciones son consecuencia inmediata de las propiedades de las ope-

raciones con las matrices proporcionadas en la sección 2 (consultad los ejerci-
cios propuestos).
Ejemplo 4.1. Resolvamos el sistema:
5x + 2y – z + 2w = 0 

x – y + 3z – 7w = 0 

2x + 5y – 10z + 23w = 0 
y pongamos la solución en la forma de la fórmula (4.2).
4.1. Solución: partimos de la matriz del sistema:
5 2 –1 2 0 

1 –1 3 –7 0
 
2 5 – 10 23 0
Resulta más cómodo coger el primer pivote de la segunda ecuación y permutar

las filas uno y dos:
1 –1 3 –7 0 

5 2 –1 2 0
 
2 5 – 10 23 0
Reducimos a cero la primera columna. El resultado es:
1 –1 3 –7 0 

0 7 – 16 37 0
 
0 7 – 16 37 0
Ahora reducimos la segunda columna y el resultado:
1 –1 3 –7 0 

0 7 – 16 37 0
 
0 0 0 0 0
El sistema tiene dos grados de libertad, y la solución es:

w = t1 
z = t2 

16z – 37w 16 37 
y = --------------------------- = ------ t 2 – ------ t1 
7 7 7 

x = y – 3z + 7w = – 5 12
--- t 2 + ------ t1 
7 7 

Finalmente, puesto en forma matricial:
 12  –5 
 x  ------
7   --7- 
y    
  = t  – 37 
------ + t 2
 16
 ------ 
 z 1
 7  7
   0  1
 w    
 1  0
Ejercicios
Resoved los sistemas de ecuaciones siguientes:
4.1. 2x – 3z = 0 
y +

– x + 3y + 7z = 0 

– x + 8y + 24z = 0 
4.2. x + y + 5z = 0 

2x + 2y + 10z = 0 

– 3x – 3y – 15z = 0 
4.3. x + y + 5z = 0 

4x + 7y – 3z = 0 

– x – 3y + 2z = 0 
4.4. x + y + 5z – 3t = 0 

2x – 3y + z + 2t = 0 

4x – y + 11z – 4t = 0 
x – 4y – 4z – t = 0 
4.5. Dado un sistema lineal homogéneo de la forma A · x = 0, demostrad, utilizando las

propiedades de las operaciones con matrices dadas en el apartado 2, que si x1, x2, ..., xs
son soluciones particulares del sistema, entonces:
t1 x1 + t2 x2 + ··· + ts xs
también es solución del sistema para cualquier conjunto de valores de t1, t2, ···, ts.
5. Determinantes y regla de Cramer
Entre los sistemas de ecuaciones lineales, son de especial importancia los que tie-
La notación...
nen igual número de ecuaciones que de incógnitas, y particularmente los que
son determinados, ya que son los más habituales en muchas aplicaciones econó- ... de determinante fue
introducida por Cayley
micas, científicas y técnicas. En la práctica, hemos visto en el apartado anterior en 1839.
cómo se resuelve cualquier sistema de una manera efectiva y con pocas operacio-
nes, pero, si lo que deseamos es dar una fórmula directa que exprese la solución,
entonces aparecen los determinantes. Este problema interesó a Leibniz hacia
1678, y lo llevó a introducir la teoría de los determinantes.
Gottfried Wilhelm
Leibniz (1646-1716)
Hijo de un profesor de Filosofía de familia acomodada,

pronto se interesó por la Historia y el Derecho. A los 8 años
empezó a estudiar latín y poco tiempo después, griego. Ba-
chiller en 1663, estudió geometría euclidiana y álgebra con
el físico Erhard Weigel y en 1666 defendió su tesis, De arte
combinatoria, con la que obtuvo el título de doctor en Filo-
sofía. Interesado por las máquinas y los ingenios , en 1671
escribió su primera obra sobre mecánica, Hypothesis
physica nova, e inventó una máquina de calcular para ali-
gerar el cálculo a los astrónomos. Por sus trabajos de diplo-
mático (sugirió a Luis XIV que conquistara Egipto y que
atacase las colonias holandesas de Asia) viajó a Londres y
París, donde Christian Huygens lo inició seriamente en las
matemáticas, hecho que lo llevó a descubrir el cálculo di-
ferencial e integral.
5.1. Determinantes de segundo orden
Empecemos por un sistema de dos ecuaciones y dos incógnitas:
a 11 x 1 + a 12 x 2 = b 1 

a 21 x 1 + a 22 x 2 = b 2 
Multiplicando la primera ecuación por a22, la segunda por a12 y restándolas

para eliminar x2 obtenemos:
 a 11 a 22 – a 21 a 12  x 1 = b 1 a 22 – b 2 a 12
Esta fórmula nos sugiere definir el determinante de una matriz 2  2 , de la ma-

nera siguiente:
 c 11 c 12  c 11 c 12
det C = det   = = c 11 c 22 – c 12 c 21
 c 21 c 22  c 21 c 22
Con esta definición, la ecuación anterior se puede escribir:
 b 1 a 12 
x 1 det A = det  
 b 2 a 22 
Ahora, si:
a 11 a 12
det A = 0 (5.1)
a 21 a 22
realizamos la misma operación para x2 y resulta:
 a 11 b 1 
x 2 det A = det  
 a 21 b 2 
La condición (5.1) permite decir que el sistema es compatible y determinado.

Las soluciones son:
b 1 a 12 a 11 b 1
b 2 a 22 a 21 b 2
x 1 = ------------------------- , x 2 = -------------------------
a 11 a 12 a 11 a 12
a 21 a 22 a 21 a 22
Este método para resolver un sistema de ecuaciones se denomina Regla de

Cramer.
La regla para calcular un determinante de segundo orden la podemos ilustrar

de este modo:
Ejemplo 5.1. Dado el sistema siguiente, utilizad la regla de Cramer para decidir si
es o no compatible y determinado, y obtened en este caso la solución:
2x + 5y = 7 

3x – 4y = 4 
5.1. Solución: el determinante del sistema es:

El uso matemático de 
2 5 Es muy habitual designar

 = = – 23  0 el determinante del sistema con
3 –4 la letra griega delta mayúscula,
.
así, el sistema es compatible y determinado, y las soluciones son:
7 5 2 7
4 –4 3 4
x 1 = ---------------------- = 48
------ x 2 = ------------------- = 13
------
 23  23
Ejemplo 5.2. Dado el sistema:
3ax + 8y = 2 

4x + 7y = – 5 
discutid para qué valores del parámetro a el sistema es compatible y determinado, y

en este caso aportad la solución.
5.2. Solución: el determinante del sistema es:
3a 8
 = = 21a – 32
4 7
32
De este modo, si a  --------- el determinante es diferente de cero y el sistema es
21´
compatible y determinado. En este caso, la solución es:
2 8 3a 2
–5 7 4 –5
x 2 = ------------------------ = –
54
x 1 = ------------------------ = ---------------------- 15a – 8
- ------------------------
 21a – 32  21a – 32
5.2. Determinantes de tercer orden
Ahora consideremos sistemas de tres ecuaciones y tres incógnitas. La búsque-

da de combinaciones adecuadas de las ecuaciones que eliminen una variable
lleva a definir el determinante de orden tres. Dada una matriz 3  3,
 c 11 c 12 c 13 
 
C =  c 21 c 22 c 23 
 c c 32 c 33 
 31
denominamos menor complementario  ij de un elemento cj al determinante de

segundo orden que se forma con los elementos de C obtenidos suprimiendo
la fila y la columna correspondientes al elemento dado.
Definimos el determinante de C de la manera siguiente:
c 11 c 12 c 13
det C = c 21 c 22 c 23 = c 11  11 – c 21  21 + c 31  31
c 31 c 32 c 33
c 22 c 23 c 12 c 13 c 12 c 13
= c 11 – c 21 + c 31 (5.2)
c 32 c 33 c 32 c 33 c 22 c 23
De la definición anterior, sustituyendo los determinantes de segundo orden, re-

sulta:
det C = c11c22c33 + c12c23c31 + c13c21c32 – c11c23c32 –
– c12c21c33 – c13c22c31 (5.3)
lo que muestra la simetría de la definición respecto a las permutaciones de ín-

dice, y respecto a filas y columnas, por contraposición a (5.2), donde destaca
especialmente una columna.
La definición (5.2) o (5.3), aunque parezca arbitraria, de hecho es consecuen-

cia de generalizar en el caso 3  3 las fórmulas para aislar las incógnitas que
hemos visto para los sistemas 2  2. Esto quedará claro en el subapartado 5.4.
La regla (5.3) para ilustrar un determinante de tercer orden se denomina regla

de Sarrus y puede ser ilustrada de la siguiente manera:
Ejemplo 5.3. Calculad el determinante siguiente: 5.3. Solución
 = 1·  – 2  · 5
1 4 –3 + 3 ·  –1  ·  –3 
 = 3 –2 1 +1 ·4·4
4 –1 5 – 4 ·  –2  ·  –3 
– 1 ·  –1  · 1
– 3 · 4 · 5 = – 68
5.3. Propiedades de los determinantes
Las propiedades que ahora daremos de los determinantes son válidas para los
determinantes de cualquier orden. Hasta aquí no hemos definido los determi-
nantes de orden superior a 3, así que formularemos las propiedades refirién-

donos a los determinantes de tercer orden. A pesar de que las demostraciones
de los determinantes de tercer orden no las incluimos en el texto para no alar-
garlo innecesariamente, son fáciles de realizar a partir de (5.2) y (5.3), y las pro-
ponemos como ejercicio.
D1 Desarrollo por una fila (o columna): adjunto. El valor de un determinante es

igual a la suma algebraica de los productos de los elementos de una fila
cualquiera (o columna), por los complementarios menores correspon-
dientes afectados de un signo que depende de la posición que ocupe el
elemento, según la regla de signos siguiente:
+ – +
– + –
+ – +
Hay que remarcar que el signo correspondiente a la posición (i, j) es (–1)i+j. La

expresión resultante se denomina desarrollar el determinante por los elemen-
tos de la fila (o columna) correspondiente. Así, (2.10) no es más que la expre-
sión del determinante de orden 3 desarrollado por la primera columna.
Denominamos adjunto Cij de un elemento cij a su complementario menor do-

tado del signo que le corresponde en el esquema de signos anterior. Para cual-
quier índice de fila (o columna) i, tenemos:
det C = ci1Ci1 + ci2Ci2 + ci3Ci3 = c1iC1i + c2iC2i + c3iC3i
D2 Transponer. El valor del determinante de una matriz es igual al de su trans-

puesta, es decir, no se altera al intercambiar filas y columnas.
c 11 c 12 c 13 c 11 c 21 c 31
c 21 c 22 c 23 = c 12 c 22 c 32
c 31 c 32 c 33 c 13 c 23 c 33
D3 Permutar filas o columnas. Al intercambiar entre sí dos filas de dos colum-

nas, el valor de un determinante cambia de signo.
c 11 c 12 c 13 c 11 c 13 c 12
c 21 c 22 c 23 = – c 21 c 23 c 22
c 31 c 32 c 33 c 31 c 33 c 32
D4 Filas o columnas iguales. Un determinante que tenga dos filas (o columnas)

iguales es 0.
a b c
a b c = 0
a b c
D5 Suma de determinantes semejantes. La suma de dos determinantes que ten-

gan todas las filas (o las columnas) comunes excepto una es igual al deter-
minante que se obtiene con las filas (o columnas) comunes y la fila (o
columna) no común formada por la suma de los elementos correspon-
dientes de los determinantes sumandos:
a b c a b c a + a b + b c + c
c 21 c 22 c 23 + c 21 c 22 c 23 = c 21 c 22 c 23
c 31 c 32 c 33 c 31 c 32 c 33 c 31 c 32 c 33
D6 Multiplicación de una fila o columna por un escalar. Si multiplicamos todos

los elementos de una fila o columna por un escalar, el determinante que-
da multiplicado por el mismo número:
c 11 c 12 c 13 c 11 c 12 c 13
c 21 c 22 c 23 =  c 21 c 22 c 23
c 31 c 32 c 33 c 31 c 32 c 33
D7 Añadir una fila (o columna) multiplicada por un escalar en una paralela. Un

determinante no varía si en una fila (o columna) añadimos los elementos
de una paralela, multiplicados por una misma constante:
c 11 c 12 c 13 + c 11 c 11 c 12 c 13
c 21 c 22 c 23 + c 21 = c 21 c 22 c 23
c 31 c 32 c 33 + c 31 c 31 c 32 c 33
D8 Elementos de una fila (o columna) por los adjuntos de una paralela. La suma de
los elementos de una fila (o columna) por los adjuntos de una paralela es 0.
a21 A11 + a22 A12 + a23 A13 = 0
D9 Determinante de un producto de matrices. El determinante de un producto

de matrices es igual al producto de los determinantes de cada matriz:
det (A · B) = det (A) · det (B)
Todas estas propiedades son fáciles de demostrar y se proponen como ejerci-

cios. La propiedad D9 es un poco más costosa de comprobar.
Las propiedades D1, D2, D3, D4, D5, D6, D7, D8 y D9 permiten calcular de-
terminantes sin necesidad de desarrollarlos por las fórmulas (5.2) o (5.3).
Para calcular un determinante podemos ir reduciendo a ceros los elementos

de una fila, como hacíamos en el método de Gauss, ya que la propiedad D7
nos autoriza a hacerlo y después a utilizar D1 para desarrollar aquella fila.
Pondremos un ejemplo:
Ejemplo 5.4. Veamos cómo podemos calcular el determinante siguiente:

5.4. Solución
1 –2 4 – Multiplicando la primera fila

por 3 y restándola de la se-
 = 3 –5 1 gunda, y multiplicando la
2 7 5 primera fila por 2 y restándo-
la de la tercera resulta:
1 –2 4
Este método es mucho más eficiente para calcular determinantes que el (5.2).  = 0 1 – 11
La ventaja de la fórmula (5.3) es más teórica que práctica, y sirve para demos- 0 11 –3
trar resultados o tener expresiones compactas, pero se utiliza muy pocas veces Ahora, desarrollándolo por la
primera columna resulta:
para calcular determinantes de manera efectiva.
1 – 11
 = =
11 –3
Las propiedades mencionadas también nos permiten asegurar que cierto de-
= – 3 + 121 = 118
terminante es cero sin necesidad de desarrollarlo. Veamos un ejemplo:
Ejemplo 5.5. Probad que:

5.5. Solución
En efecto, teniendo en cuenta

1 –2 –1 que la tercera columna es la
 = 3 –5 –2 = 0 suma de las dos primeras, utili-
zando D7 obtenemos el resul-
2 7 9 tado.
5.4. Regla de Cramer para los sistemas 3  3
Consideramos ahora un sistema de tres ecuaciones con tres incógnitas:
a 11 x 1 + a 12 x 2 + a 13 x 3 = b 1 

a 21 x 1 + a 22 x 2 + a 23 x 3 = b 2 

a 31 x 1 + a 32 x 2 + a 33 x 3 = b 3 
Multiplicando la primera, segunda y tercera ecuación respectivamente por A11,

A21, A31, adjuntos de a11, a21, a31, resulta:
(a11 A11 + a21 A21 + a31 A31) x1 + (a12 A11 + a22 A21 + a32 A31) x2 +
+ (a13 A11 + a23 A21 + a33 A31) x3 = b1 A11 + b2 A21 + b3 A31
lo que, teniendo en cuenta (5.2), se puede escribir:
a 11 a 12 a 13 a 12 a 12 a 13 a 13 a 12 a 13 b 1 a 12 a 13
a 21 a 22 a 23 x 1 + a 22 a 22 a 23 x 2 + a 23 a 22 a 23 x3 = b 2 a 22 a 23
a 31 a 32 a 33 a 32 a 32 a 33 a 33 a 32 a 33 b 3 a 32 a 33
Utilizando ahora la propiedad D4, los determinantes que multiplican x2 y x3 se

anulan y resulta, finalmente:
a 11 a 12 a 13 b 1 a 12 a 13
a 21 a 22 a 23 x1 = b 2 a 22 a 23
a 31 a 32 a 33 b 3 a 32 a 33
Repitiendo los cálculos correspondientes con los adjuntos de la segunda y ter-

cera columna respectivamente obtenemos las fórmulas de Cramer, también,
para las otras dos variables:
  
x 1 = -----1- , x 2 = -----2- , x 3 = -----3- (5.4)
  
donde:
b 1 a 12 a 13 a 11 b 1 a 13 a 11 a 12 b 1
1 = b 2 a 22 a 23 , 2 = a 21 b 2 a 23 , 3 = a 21 a 22 b 2
b 3 a 32 a 33 a 31 b 3 a 33 a 31 a 32 b 3 5.6. Solución
El determinante del sistema es:

a 11 a 12 a 13
 = a 21 a 22 a 23 (5.5) 1 2 –1
 = –5 4 3
a 31 a 32 a 33
2 1 2
= 1·4·2
La condición para que el sistema sea compatible y determinado es: +  –5  · 1 ·  –1 
+2 ·3·2
–2 · 4 ·  –1 
a 11 a 12 a 13
–2 ·  –5  ·  2 
det A = a 21 a 22 a 23 0
– 1 · 3 · 1 = 50  0
a 31 a 32 a 33
y, como consecuencia, el siste-
ma es compatible y determina-
do. Para calcular las variables
tendremos:
Veamos ahora un ejemplo de sistema 3  3.
1 2 –1
1
x = ------ 5 4 3 =
Ejemplo 5.6. Utilizad la regla de Cramer para discutir y resolver el sistema siguiente: 50
6 1 2
40 4
= ------ = ---
50 5
x + 2y – z = 1 
 1 1 –1
– 5x + 4y + 3z = 5  1
 y = ------ –5 5 3
2x + y + 2z = 6  50
2 6 2
48 24
= ------ = ------
50 25
5.5. Sistemas y determinantes de orden n 1 2 1

1
z = ------ –5 4 5 =
50
2 1 6
Las fórmulas (5.4) y (5.5), que expresan las soluciones en términos de los de-
86 43
terminantes, se denominan fórmulas de Cramer y pueden ser generalizadas por = ------ = ------
50 25
sistemas n  n. No hemos definido los determinantes de orden n, pero es po-
sible definirlos adecuadamente y entonces todas las propiedades D1, D2, D3,
D4, D5, D6, D7, D8, D9 son también válidas para ellos. Entonces, D1 nos sirve
como definición recursiva para expresar un determinante de orden n en tér-
minos de determinantes de orden n – 1, y así sucesivamente. Además las de-
más propiedades, y en particular la D7, nos permiten irlos reduciendo y,
finalmente, calcularlos.
Dado un sistema n  n :
a 11 x 1 + a 12 x 2 + ··· + a 1n x n = b 1
a 21 x 1 + a 22 x 2 + ··· + a 2n x n = b 2
...
...
...
...
a n1 x 1 + a n2 x 2 + ··· + a nn x n = b n
podemos escribir las fórmulas de Cramer.
El determinante del sistema será:
a 11 a 12 ··· a 1n
a 21 a 22 ··· a 2n
 =
...
...
...
a n1 a n2 ··· a nn
Si   0 , entonces el sistema es compatible y determinado y la solución puede

ponerse en la fórmula:
  
x 1 = -----1- , x 2 = -----2- , ··· x n = -----n-
  
donde:
a 11 ··· a 1 i – 1 b1 a 1 i + 1 ··· a 1n
a 21 ··· a 2 i – 1 b2 a 2 i + 1 ··· a 2n
i =
...
...
...
...
...
a n1 ··· a n i – 1 bn a n i + 1 ··· a nn
Observad que el determinante  i se obtiene cambiando la columna i de  por

la columna de términos independientes.
Veamos un ejemplo 4  4 .
Ejemplo 5.7. Resolvamos por Cramer el sistema siguiente 4  4 :
x + y + 3z – 2t = 3

2x – 4y + 7z + 2t = – 1 

3x – 2y + 9z – t = 6 
x + 3y – z – t = 0 
5.7. Solución: calculamos el determinante del sistema:
1 1 3 –2
2 –4 7 2
 =
3 –2 9 –1
1 3 –1 –1
Utilizando como pivote el elemento de la primera fila y primera columna, re-

ducimos a cero la primera columna:
1 1 3 –2
–6 1 6
0 –6 1 6
 = = –5 0 5
0 –5 0 5
2 –4 1
0 2 –4 1
Ahora podemos añadir la tercera columna a la primera, utilizando nuevamen-

te D7. Obtenemos:
0 1 6
= 0 0 5 = 3 · 5 = 15  0
3 –4 1
El sistema es de Cramer y podemos calcular los determinantes  1 ,  2 ,  3 ,  4 ,

que nos determinarán x, y, z, t. Así,
3 1 3 –2 0 – 11 24 4
– 11 24 4
–1 –4 7 2 –1 –4 7 2
1 = = = – 26 51 11 =
6 –2 9 –1 0 – 26 51 11
3 –1 –1
0 3 –1 –1 0 3 –1 –1
61 24 – 20
61 – 20
= 127 51 – 40 = = 100
127 – 40
0 –1 0
lo que permite obtener x:
x = 100
---------- = 20
------
15 3
Procediendo de manera similar obtenemos:
 2 = – 80,  3 = – 51,  4 = – 89
Finalmente,
16 17
y = – ------ , z = – ------ , t = – 89
------
3 5 15
Como puede comprobarse, habría resultado mucho más corto realizar los cál-
culos con el método de Gauss.
5.6. Comentarios
Este apartado está pensado para quien quiera profundizar un poco más.
Hemos visto que la teoría de los determinantes permite una formulación com-
pacta para resolver los sistemas n  n. También permite precisar el concepto
de rango de una matriz, que introdujimos en el aparatdo 3 y sistematizar el teo-
rema de Rouché-Frobenius, que enunciamos en el mismo apartado. Pero el
precio que se paga por la teoría de los determinantes es bastante elevado, ya
que para calcular efectivamente es mucho menos eficiente que el método de
Gauss. Podemos afirmar que los determinantes juegan un papel teórico impor-
tante y permiten sistematizar los resultados, mientras que, a la hora de resol-
ver sistemas concretos, el método eficiente y recomendado con carácter
general es el método de Gauss.
Incluso cuando debemos calcular un determinante, reducimos a cero filas o

columnas añadiendo a una fila (o columna) otra multiplicada por una cons-
tante y repetimos la operación tantas veces como sea necesario, para reducir a
cero los elementos de una fila (o columna), y no utilizamos directamente las
definiciones. En definitiva, el procedimiento de cálculo remite nuevamente al
método de Gauss.
No obstante, los determinantes dan coherencia al tratamiento de los sistemas.

Permiten precisar el concepto de rango. En efecto, en el apartado 3, calculába-
mos el rango de la matriz de un sistema reduciendo la matriz, por el método
de Gauss, y llegábamos, en el caso del pivotamiento total, a una matriz que
tenía únicamente las filas estrictamente “independientes” en el sentido si-
guiente. La forma reducida de la matriz ampliada del sistema (2.1) era:
 b1 
 a11 a12 ··· a1r ··· a1n 
 0 a22 ··· a2r ··· a2n b2 
 
 
...
...
...
...
 
...
 0 0 ··· arr ··· am br 

 
 0 0 ··· 0 ··· 0 br +1 
 0 0 ··· 0 ··· 0 0 
 
 
...
...
...
...
...
 
 0 0 0 0 0 
donde los elementos diagonales a ii por 1  i  r son diferentes de cero, y los

otros elementos no indicados como cero pueden ser cero o no. Hemos escrito
la forma reducida más general posible, con la condición de que puede haber
únicamente r ecuaciones, y no haber otras filas si en el proceso no se ha redu-
cido ninguna fila a cero, y que r  n también puede ser igual a n, no dejando
ninguna variable indeterminada.
El rango de la matriz, o número de filas que no se reduzcan por el método de

Gauss, es precisamente r. El rango de la matriz ampliada es r o r + 1 dependien-
 
do de si b r + 1 = 0 o no. Si b r + 1  0, el sistema no tiene solución (rango de la

matriz ampliada más grande que el rango de la matriz del sistema). Si b r + 1 = 0,
el sistema es compatible y el número de indeterminadas es n – r. Si además
n = r, entonces el sistema es determinado.
Pero la definición práctica de rango que hemos dado parece, en apariencia,

que puede depender de la forma como hemos reducido la matriz. En realidad
no es así, y puede definirse en términos de determinantes de manera precisa e
independiente del método de reducción.
Denominamos determinante menor de orden s de una matriz a cualquier deter-

minante formado por s filas y s columnas extraídas de la matriz dada. Si el sis-
tema inicial tiene m ecuaciones y n incógnitas, el menor de orden máximo que
podemos formar será de orden igual al menor de los dos números m, n.
Se demuestra que el rango de una matriz es igual al orden del menor de orden
máximo, que es diferente de cero. De esta manera, la definición de rango se
hace independiente de la forma de reducir el sistema y, de paso, se justifica
que, para calcularlo, podemos utilizar el método de Gauss. Pero nuevamente,
si para determinar el rango de una matriz tuviésemos que utilizar la definición
correcta en términos de determinantes, el procedimiento sería, en general,
costosísimo.
Veamos, pues, la utilidad teórica de los determinantes ante la potencia prácti-

ca del método de Gauss. Los determinantes son un complemento necesario
para discutir y sistematizar el estudio de los sistemas de ecuaciones, pero para
calcular las soluciones utilizaremos el método de Gauss.
Ejemplo 5.8. Utilizando determinantes, ¿qué podemos decir a propósito de un sis-

tema homogéneo de n ecuaciones y n incógnitas?
a 11 x 1 + a 12 x 2 + ··· + a 1n x n = 0 

a 21 x 1 + a 22 x 2 + ··· + a 2n x n = 0 
 (5.6)

...
...
a n1 x 1 + a n2 x 2 + ··· + a nn x n = 0 
– ¿Cuál será la condición para que el sistema tenga soluciones no triviales?
– En caso de que tenga, ¿qué expresión podemos dar a la solución?
5.8. Solución: en primer lugar, es preciso que el determinante del sistema sea
nulo (det A = 0), ya que, si es diferente de cero, sería determinado y sólo
tendría la solución trivial nula.
En segundo lugar, si det A = 0, entonces una solución es:
x1 = A11t, x2 = A12t, xn = A1nt
donde A1j es el adjunto del elemento a1j, ya que en la primera ecuación, al sus-
tituir las x, tendremos:
a11 A11 t + a12 A12t + ··· + a1n A1n t = t det A = 0
y para las otras aparecerá la suma de productos de los elementos de una fila
por los adjuntos de una paralela que, para la propiedad D8, es cero.
Puede ocurrir, sin embargo, que todos estos adjuntos sean 0, lo que nos indica-
ría que, o bien el rango es inferior a n – 1 y hay más de una indeterminada, o
bien lo debemos probar con los adjuntos de alguna otra fila que no tenga todos
los adjuntos nulos.
Ejemplo 5.9. ¿Para qué valores de  el sistema homogéneo siguiente tiene solucio-
nes no triviales? Encontrad las soluciones para cada caso.
 – 20 –  x + 9y – 5z = 0 

– 51x +  23 –  y – 12z = 0 

3x – y +  2 –  z = 0 
5.9. Solución: para que el sistema tenga soluciones no triviales es preciso que el
determinante del sistema sea cero, para conseguir que el rango sea inferior a 3. La
condición es, pues,
 – 20 –   9 –5
3 2
– 51 23 –  – 12 = –  + 5 – 8 + 4 = 0
3 –1 2–
Buscamos soluciones enteras de la ecuación polinómica y obtenemos

 1 = 1,  2 = 2,  3 = 2, que serán los únicos valores que darán lugar a solucio-
nes no triviales.
Buscamos las soluciones para  = 1. El sistema es:
– 21x + 9y – 5z = 0 

– 51x + 22y – 12z = 0 

3x – y+ z = 0
Según el ejemplo anterior, la solución será:
22 – 12 – 51 – 12
x = t = 10t, y = – t = 15t
–1 1 3 1
– 51 22
z = t = – 15t
3 –1
o bien:
x  2  2 En esta expresión...

     
 y  = 5 ·  3  t =  3  · t
  – 3  – 3  ... hemos efectuado un cambio
z     de parámetro que no altera
las soluciones:
t = 5t
Para  = 2 , el sistema es:
– 22x + 9y – 5z = 0 

– 51x + 21y – 12z = 0 

3x – y = 0
Análogamente, la solución será:
21 – 12 – 51 – 12
x = t = – 12 t y = – t = – 36 t,
–1 0 3 0
– 51 21
z = t = – 12t
3 –1
o bien:
x  1  1 t = – 12t
     
 y  = – 12 ·  3 t =  3 · t
   1  1
z    
Ejercicios
5.1. Comprobad las fórmulas D1, D2, D3, D4, D5, D6, D7 y D8 para los determinantes
de tercer orden a partir de la definición (5.2) y (5.3).
5.2. Determinad  para que el sistema sea compatible:
2x – 3y –z = 2

x + 2y – 3z = 4 

x – 2y – z = 3 
z – 2y + 2z = 1 
5.3. Discutid las soluciones del sistema siguiente, según los valores del parámetro  .
x + y+ z = 1 

x + y + z =  
2
x+ y + z =  
5.4. Determinad  para que el sistema tenga soluciones no triviales y buscad las solucio-
nes correspondientes en forma de vectores columna.
x + y+ z = 0

3x + y – 2z = 0 

2x + 4y + z = 0
5.5.
a) Demostrad que:
Determinante
1 x x
2 de Vandermonde
2
1 y y = x – y y – z z – x Determinante que tiene unos
2 en la primera fila, la segunda
1 z z
fila es arbitraria y las filas si-
guientes están formadas por
las potencias sucesivas de los
b)Generalizando el método anterior, calculad el determinante siguiente, conocido como elementos de la segunda fila.
determinante de Vandermonde. Esta definición también es co-
rrecta si cambiamos filas por
columnas.
2 n–1
1 x1 x1 ··· x1
2 n–1
1 x2 x2 ··· x2
...
...
...
...
2 n–1
1 xn xn ··· xn
5.6. Calculad el determinante:
a 11 a 12 a 13 ··· a 1n
0 a 22 a 23 ··· a 2n
0 0 a 33 ··· a 3n
...
...
...
...
0 0 0 ··· a nn
6. Matriz inversa
Diremos que la matriz cuadrada A tiene inversa si hay una matriz, que
–1
denotaremos A , que verifica:
–1 –1
AA = A A = I
Teniendo en cuenta que el determinante de un producto de matrices es igual

al producto de determinantes (propiedad D9) y que el determinante de I es 1,
para que A tenga inversa es necesario que:
det A  0 (6.1)
Esta condición también es suficiente, como se ve fácilmente, a partir de las

propiedades D1 y D8 de los determinantes. Si se cumple (6.1), la matriz:
A 11 A 21 ··· A n1
–1 1 - A 12 A 22 ··· A n2 (6.2)
A = --------------
det A
...
...
...
A 1n A 2n ··· A nn
formada por los adjuntos de los elementos transpuestos divididos por el deter-
minante, es inversa de A. En efecto, si multiplicamos esta matriz por A, los ele-
mentos diagonales de la matriz producto corresponderán a la suma de
productos de los elementos de una fila por los adjuntos de la misma fila y divi-
didos por det. A, que para D1 es 1. En cambio, los elementos no diagonales co-
rresponderán a la suma de productos de los elementos de una fila por los
adjuntos de una paralela que, para D8, es cero. Así, la condición necesaria y su-
ficiente para que A tenga inversa es (6.1).
La fórmula (6.2) de la matriz inversa tiene, como siempre, más utilidad teórica
que práctica, ya que es muy costoso realizar el cálculo de la inversa a partir de
ésta. Podemos utilizar también el método de Gauss.
El método de Gauss nos permite resolver simultáneamente diferentes sistemas,

considerando la matriz ampliada con una columna para cada segundo miem-
bro. Aplicaremos el método de Gauss tomando como segundos miembros:
 1  0  0
     
 0 ,  1 , ···  0
     
...
...
...
     
 0  0  1
que, puestos como columnas de la matriz ampliada, forman la matriz identidad.

El sistema será ahora:
 a 11 ··· a 1n   x 11 ··· x 1n   1 ··· 0 

    
   =  
...
...
...
...
...
...
...
 a ··· a nn   x n1 ··· x nn   0 ··· 1 
 n1 
o, en forma de matrices,
A·X = I (6.3)
y la solución será precisamente X = A–1.
La matriz ampliada del sistema será:
 a 11 ··· a 1n 1 ··· 0 
 
 
...
...
...
...
...
 a ··· a nn 0 ··· 1 
 n1
Primero, la reducimos por el método de Gauss, a la forma triangular. A conti-

nuación dividimos las filas por los elementos diagonales que han quedado,
para convertirlos en 1. Finalmente reducimos a cero los elementos del trián-
gulo superior utilizando el método de Gauss de abajo arriba y tomando como
pivotes los números 1 de la diagonal principal. El resultado sera:
 1 ··· 0 x 11 ··· x 1n 
 
 
...
...
...
...
...
 0 ··· 1 x n1 ··· x nn 

lo que nos dará la matriz inversa X.
Ejemplo 6.1. Queremos encontrar la matriz inversa de A, donde:
 1 1 1
 
A =  5 4 5
 2 –1 1 
 
6.1. Solución: para encontrarla escribimos la matriz ampliada siguiente:
 1 1 1 1 0 0 
 
 5 4 5 0 1 0 
 
 2 –1 1 0 0 1 
que reducimos por el método de Gauss. En la primera triangulación obtenemos:
 1 1 1 1 0 0
 
 0 –1 0 –5 1 0
 
 0 0 –1 13 –3 1 
Podemos continuar reduciéndola multiplicando la tercera fila por –1, la se-

gunda también por –1 para tener 1 en la diagonal principal. Finalmente redu-
ciremos a ceros la parte superior de la matriz del sistema. El resultado será:
 1 0 0 9 –2 1
 
 0 1 0 5 –1 0
 
 0 0 1 – 13 3 –1 
La matriz inversa es, pues,
 9 –2 1 
 
 5 –1 0 
 
 – 13 3 –1 
Vemos, así, que el coste de encontrar la inversa de una matriz n  n por el mé-
todo de Gauss es el coste de resolver simultáneamente n sistemas por Gauss
con la misma matriz del sistema, que es muy inferior a n veces el coste de re-
solver un sistema, ya que para cada sistema únicamente debemos añadir los
cálculos en la columna correspondiente de la matriz ampliada.
Si hemos calculado la matriz inversa de A, tenemos automáticamente la solu-

ción de cualquier sistema, de la forma:
A·x=b
ya que multiplicando esta ecuación, por la izquierda, por A–1 resulta:
x = A–1 · b
Ejercicios
6.1. Calculad, si se puede, la inversa de la matriz siguiente por el método de Gauss:
 1 –2 4 
 
 2 5 –3 
 
 –3 1 4 
6.2.
a) Calculad la matriz inversa de:
 cos  – sin  
 sin  cos  

b) Comprobad que A · At = At · A = I.
c) Las matrices que verifican la propiedad anterior (b) se denominan ortogonales. ¿Es po-
sible conseguir que la matriz siguiente sea ortogonal eligiendo a, b, c de forma adecuada?
 3 4 
 --- – ------ a 
 5 13 
 4 3 
 --- ------ b 
 5 13 
 12 
 0 ------ c 
 13 
7. Ejemplos económicos
7.1. Cómo hay que repartir un presupuesto de dinero
Ejemplo 1
Una chica ha decidido gastar mensualmente 15.000 u.m. para sus diversiones
y, dado que no le gusta hacer las cosas sin pensarlas, quiere estudiar científi-
camente el hecho de gastar todo este presupuesto y a la vez obtener del mismo
una satisfacción máxima. Para hacerlo, ha reunido la siguiente información:
a)
diversión número precio unitario
1. sesión de cine x 500 u.m.
2. discotecas y 1000 u.m.
b) Pasar una tarde en la discoteca lo valora el triple que una sesión de cine; es
decir, que si a una sesión de cine le da un 1, a la tarde en la discoteca le da un 3.
Si en total desea, además de acabar el presupuesto, “consumir” un total men-

sual de 40 unidades de diversión, ¿cómo debe repartir el presupuesto?
La cuestión es muy fácil:
 500x + 1000y = 15.000


 x+ 3y = 40
Resolviendo este problema de ecuaciones lineales por cualquiera de los méto-

dos que conocéis (lo podéis hacer por matrices y también por determinantes;
es una sugerencia para evitar los métodos algebraicos más corrientes), encon-
traremos que:
x = y = 10
El problema ha sido, efectivamente, muy sencillo, pero ¿qué pasaría si, de

acuerdo con algún criterio que ahora no viene a cuento, se tratase de repar-
tir un presupuesto anual entre todas las actividades y motivos de gasto que
se dan en una empresa?
El problema ya no es tan simple. Sin embargo, la cuestión no acaba aquí. ¿Qué

sucede si la empresa se permite no gastar necesariamente todo el presupuesto?
Quizá la programación lineal nos ayudará, aunque en el módulo “Programación

lineal”, dedicado a esta técnica, se nos indicaba que existían técnicas mucho más
sofisticadas para resolver problemas prácticos porque la programación lineal sólo
era una técnica simple (¿recordáis el símplex?).
Ejemplo 2
Un amigo de la chica anterior ve las cosas de una manera un poco diferente:
diversión número precio unitario
1. sesión de cine x 500 u.m.
2. discoteca y 1.000 u.m.
3. libros de una colección científica z 750 u.m.
Su presupuesto mensual es de 8.000 u.m.; sus grados de valoración son los si-
guientes: 1 el cine, 2 la discoteca y 3 los libros. ¿Cómo debe repartir el presu-
puesto si, queriendo tener un grado de satisfacción de 19, desea que el número
total de tardes dedicadas al cine y a la discoteca sea de 10?
También aquí es fácil resolver el problema (y también es fácil ir generalizán-

dolo):
 500x + 1000y + 750z = 8.000


 x+ 2y + 3z = 19

 x+ y = 10
Por tanto, x = 7; y = 3; z = 2.
7.2. La economía de un país y las matrices
Una aplicación muy importante del álgebra lineal en la economía es la

modelización de las relaciones que existen entre las diferentes ramas de
la producción de un país (“sectores económicos”). Es evidente que cada
rama de la producción fabrica bienes o servicios para las otras ramas. En
efecto, quien fabrica tejidos, por ejemplo, necesita electricidad, tintes,
maquinaria, etc., que producen otras ramas; por otra parte, casi todos van
vestidos.
Pues bien, partiendo de algo tan sencillo, el gran economista norteameri-

cano de origen ruso, Leontiev, premio Nobel, elaboró un modelo para or-
ganizar la economía americana; modelo que después se ha difundido
universalmente. Este modelo da lugar a la denominada tabla input-output
(‘de entradas y salidas’).
El modelo de Leontiev, como también se denomina, conduce a una ecuación

matricial, sólo resoluble con potentísimos ordenadores. Explicaremos este
modelo para que os hagáis una idea, pero ya lo estudiaréis con más detalle en
otras asignaturas; ahora tendremos suficiente con una aproximación elemen-
tal y simplificada.
Supongamos que en el país hay n sectores económicos y que cada sector

sólo produce un bien o servicio. Si:
Xi = cantidad total del producto hecho por el ramo i durante un año;

(i = 1, 2, ..., n)
xij = cantidad del producto hecho por el ramo i, que es consumido por
el ramo j durante un año, (i, j = 1, 2, ..., n)
El objetivo de este módulo es determinar cuánto debe producir cada sector

económico a fin de satisfacer la demanda de los demás sectores y, en su caso,
la demanda exterior. Es decir, nuestras incógnitas serán las Xi (i = 1, 2, ..., n).
Podremos escribir la matriz:
Consumido
por sector 2
x 11 x 12 ... x 1n n
 x ij
j=1
Producido x 21 x 22 ... x 2n n total

por sector 2 producido por
 x 2j
el sector 2
j=1 y consumido
por otros
sectores
   
x n1 x n2  x nn 
 x nj
j=1
n n n S
 x i1  x i2   x in
i=1 i=1 i=1
total
consumido
por el sector 2
proveniente
de otros
secores
donde S es la suma de los sumatorios de la última columna, que evidentemen-

te coincide con la suma de los sumatorios de la última fila que es, en definiti-
va, la suma de todas las xij.
Cada fila de la matriz de las xij indica cómo se distribuye la producción del ramo
correspondiente a la fila entre los otros ramos. La suma de los elementos de la fila
i-ésima de la matriz, suma que se muestra a la derecha de la línea vertical como
 x ij
j=1
es el total del producto hecho por el ramo i-ésimo y utilizado por otros ramos.
De modo similar, cada columna de la matriz de las xij indica el total de bie-
nes y servicios consumidos por un sector procedentes de los otros sectores.
La suma de los elementos de la columna j-ésima de la matriz,
 xij
i=1
es el consumo total del sector económico j-ésimo proveniente de la produc-

ción de otros sectores.
Ahora podemos plantear tres grupos de ecuaciones:

El tiempo...
Consideremos la relación entre la cantidad del producto realizado por el ramo i-
... no figura explícitamente
ésimo que consume el sector j-ésimo, y la producción total del sector j-ésimo (Xj). en la formulación; cuando
figura se habla de modelo
dinámico. Esta nomenclatura
Esta relación se denomina coeficiente de producción y da lugar al conjunto no es privativa del modelo
de Leontiev: es general
de expresiones: en la teoría económica.
x
a ij = -----ij
Xj
Si las aij fuesen constantes, diríamos que estamos ante un modelo estacionario.
Cuando estemos en una economía con exportaciones, aparte de la demanda

de cada sector para el producto i-ésimo, deberemos considerar también la de-
manda exterior para dicho producto.
Si zi = exportaciones que hace el ramo, entonces , a fin de producir lo estricta-

mente necesario, se deberá cumplir:
Xi =  xij + z i , es decir:
j= i
Xi =  a ij Xj + z i para i = 1, 2,  n
j=1
Podemos expresar el sistema de ecuaciones anterior usando notación matricial:
z1 1 0  0
z2 0 1  0
Z (matriz n  1) = I (matriz n  n) =
    
zn 0 0  1
X1 a 11 a 12  a 1n
X2 a 21 a 22  a 2n
X (matriz n  1) = A (matriz n  n) =
    
Xn a n1 a n2  a nn
Entonces podemos escribir la ecuación matricial: X = A · X + Z, es decir:
(I A) · X = Z
cuya solución es:
X = (I  A)1 · Z
Esta solución permite determinar el vector X de producciones requeridas para

satisfacer el consumo de los diferentes ramos y su exportación.
El planteamiento de esta solución requiere un esfuerzo muy considerable en

la práctica económica de un país; este esfuerzo resulta carísimo, pero merece la
pena por los enormes aprovechamientos de recursos económicos que se inver-
tirían de otra manera y por la posibilidad de dictar políticas económicas ade-
cuadas a cada situación.
Resumen
Para solucionar de manera efectiva sistemas de ecuaciones lineales, el método

de eliminación de Gauss es el más adecuado. Permite llegar a una forma trian-
gular con pocas operaciones. También muestra si el sistema es compatible y
en este caso nos da los grados de libertad que tiene.
La teoría de los determinantes permite una formulación teórica más clara, pero
los cálculos son mucho más complicados. En particular, para un sistema
n  n determinado, las fórmulas de Cramer nos dan una expresión directa
de las soluciones. El precio que se paga, no obstante, es muy elevado res-
pecto al tiempo de cálculo.
A partir de la noción de rango, el teorema de Rouché-Frobenius permite discu-

tir un sistema. Para un sistema sin parámetros, el cálculo de los rangos se pue-
de hacer por el método de Gauss. Sin embargo, si el sistema contiene
parámetros, se deberá utilizar el cálculo de los rangos para determinantes, ya
que en el método de Gauss cuando aparecen parámetros como pivote no po-
demos asegurar que son diferentes de cero y resulta comprometido avanzar.
Para los sistemas n  n, la condición de determinación es que el determinante

de la matriz del sistema sea diferente de cero. En este caso, la matriz del siste-
ma tiene inversa. Pero para resolver el sistema se necesitará calcular la matriz
inversa, que sólo nos será útil para resolver el sistema con la misma matriz y
diferentes términos independientes.
Los sistemas homogéneos de término independiente nulo siempre tienen la so-

lución trivial cero. Pero en general, cuando aparecen estos tipos de sistemas,
lo que interesa es precisamente obtener soluciones diferentes de cero. Por esta
razón, abusando del lenguaje, cuando un sistema homogéneo únicamente tie-
ne la solución nula se dice que es incompatible.
Ejercicios de autoevaluación
1. Resolved los sistemas de ecuaciones siguientes:

a) 3x + y + 2z = 19 

x + 2y + 3z = 27 

4x + 2y + 5z = 42 
b) 3x + y + 2z = 19 

x + 2y + 3z = 27 

4x + 3y + 5z = 42 
c) 3x + y + 2z = 19 

x + 2y + 3z = 27 

4x + 3y + 5z = 46 
d) 3x + y + 2z = 0 

x + 2y + 3z = 0 

4x + 2y + 5z = 0 
e) 3x + y + 2z = 0 

x + 2y + 3z = 0 

4x + 3y + 5z = 0 
2. Discutid el sistema siguiente según el valor del parámetro m. Resolvedlo por los valores de
m que hacen que sea compatible:
–x + mz = m 

x+ y + 3z = 5 

2x + my = 0 
3. Discutid el sistema según los valores de a y b:
ax + by + z = 1 

x + aby + z = b 

x + by + az = 1 
4. Encontrad la inversa de la matriz siguiente:
 9 –2 –4 
1  
A = ---  1 2 –1 
5  
 – 12 1 7 
 2 –1 
5. Dada la matriz A =   , encontrad matrices B y C tales que A · B = C · A = 0. ¿Hay
 4 –2 
alguna matriz tal que A · D = D · A = 0?
6. Lo mismo que en el apartado anterior suponiendo que ahora A es tal que det  A   0.
7. Una empresa tiene dos centros de producción, uno en Lérida y otro en Mataró. En cada uno
de los centros se han hecho las compras siguientes: en Lérida 1 tonelada de tinta, 2 toneladas de
papel, 3 toneladas de disolvente y 5 toneladas de madera. En Mataró, 2 toneladas de tinta, 6 to-
neladas de papel, 4 toneladas de disolvente y 3 toneladas de madera. Sabiendo que los precios
por tonelada de cada artículo son: tinta, 3 u.m. (unidades monetarias); papel, 2 u.m.; disolvente,
5 u.m.; madera, 2 u.m., disponed esta información en dos matrices A y B de manera que A · B
nos dé la cantidad total que han gastado cada uno de los centros de producción. Encontrad otra
matriz C tal que operando convenientemente las tres matrices obtengamos el total gastado entre
ambos centros. Encontrad una matriz H que nos dé la cantidad total de cada producto que han
comprado entre ambos centros (es decir: 3 toneladas de tinta, 8 toneladas de papel...).
Después de unos días, y una vez agotado el material, deciden realizar la misma compra (los
mismos productos y las mismas cantidades), pero el vector de precios es ahora (4, 2, 6, 7).
Disponed esta información en dos matrices D y E de manera que D · E nos dé por columnas
las cantidades totales que han gastado los centros en cada una de las compras que han reali-
zado. ¿Cómo podemos encontrar la cantidad gastada entre ambos en cada una de las com-
pras? ¿Cómo encontramos la cantidad total gastada entre ambos?
8. Disponemos de tres aleaciones A, B y C, cuyas composiciones tenemos en la tabla siguiente:
A B C
Plata 5% 10% 15%
Cobre 15% 25% 40%
Oro 80% 65% 45%
Mezclando las tres aleaciones podemos obtener diferentes productos con diferentes propor-
ciones de plata, cobre y oro.
a) Encontrad una matriz tal que, multiplicándola por los kilogramos de A, de B y de C que
mezclamos, nos proporcione los kilogramos de plata, cobre y oro que hay en la mezcla fi-
nal. ¿Cuál es la suma de cada una de sus columnas?
b) Mezclando 50 kilogramos de A, 20 de B y 20 de C, ¿cuántos kilogramos de plata, cobre
y oro habrá en la mezcla resultante? ¿Cuál será la proporción de plata, cobre y oro en la
mezcla final?
c) Mezclando 0,5 kilogramos de A, 0,2 de B y 0,3 de C, ¿cuántos kilogramos de plata, cobre
y oro habrá en la mezcla resultante? ¿Cuál será la proporción de plata, cobre y oro en la
mezcla final?
d) ¿Podemos obtener una mezcla con un 20% de plata y un 80% de oro? ¿Qué interpreta-
ción de la solución podemos hacer cuando alguna incógnita toma valor negativo?
e) ¿Podemos obtener una mezcla con un 11,5% de plata, un 30,5% de cobre y un 58% de
oro?
9. Supongamos que las composiciones de las aleaciones del ejercicio anterior son:
A B C
Plata 5% 10% 15%
Cobre 15% 25% 35%
Oro 80% 65% 50%
a) ¿Podemos obtener una mezcla con un 20% de plata y un 80% de oro?

b) ¿Podemos obtener una mezcla con un 11% de plata, un 27% de cobre y un 62% de oro?
Si hay diferentes posibilidades, ¿cuál de las que tienen valores postivos para todas las varia-
bles tiene una proporción más pequeña de plata? ¿Cuál tiene proporción mayor de plata?
10. Se mezclan tres aleaciones A, B, C de las características siguientes:
A B C
Plata 5% 10% 15%
Cobre 15% 25% m
Oro 80% 65% (85 – m)%
Para obtener una mezcla que tenga un 12% de plata, un n% de cobre y el resto de oro, plan-
tead el sistema correspondiente y discutidlo según los parámetros m y n. Resolvedlo cuando
sea posible.
Solucionario
Ejercicios
3 2  526 – 194 
2.2. 2A – 5A + 4A + 3I =  
 – 97 41 
t  7 –1   7 –2   50 – 16 
AA =    =  
 –2 2   –1 2   – 16 8 
2.3. Como es habitual, escribiremos (A)ij = aij y (B)ij = bij donde 1  i  n , 1  j  n. Tam-
bién tendremos, por definición de la matriz transpuesta, que (At)ij = aji y (Bt)ij = bji. Si con-
n
sideramos ahora la matriz (AB)t, tenemos que ((AB)t)ij = (AB)ji =  ajkbki. Sin embargo,
k=1
n n n
(Bt At)ij =  (Bt)ik(At)kj =  bkiajk =  ajkbki

k=1 k=1 k=1
con la cual ((AB)t)ij = (BtAt)ij y las matrices (AB)t y BtAt son iguales.
2.4. Tenemos:
t t
A· A = B1 A · A = B2
y que
64 46 66 46 64 44
Por lo tanto, ambos productos se pueden calcular. Observemos que por las propiedades de la
matriz transpuesta,
t
B 1 = (AtA)t = At((A)t)t = AtA=B1
y, por lo tanto, B1 es simétrica. Comprobad que B2 también es simétrica.
 a 11 a 12 a 1   x
  
2.5.  x y 1   a 12 a 22 a 2   y =
  
 a 1 a 2 a   1
 a 11 x + a 12 y + a 1 
 
=  x y 1   a 12 x + a 22 y + a 2  =
 
 a1 x + a2 y + a 
2 2
= a 11 x + 2a 12 xy + 2ax + a 22 y + 2a 2 y + a
A es simétrica.
2.6.  a b  1  d –b  
  ----------------------- 
1 a
  = ----------------------- 
b   d –b 
  =
 c d    ad – bc   – c a    ad – bc   c d   –c a 
1  ad – bc 0   1 0
= -----------------------   =  
 ad – bc   0 ad – bc   0 1
2.7. Recordemos que ((AB)C)ij se obtiene haciendo el producto de la fila i de la matriz (AB)
por la columna j de C y, por lo tanto, podemos escribir:
((AB)C)ij = (AB)i1c1j + ··· + (AB)incnj =  (ab)imcmj

m=1
Pero cada uno de los elementos de AB se obtiene haciendo:
(ab)im = ai1b1m + ai2b2m + ··· + ainbnm =  aikbkm

k=1
Sustituyendo los (ab)im por sus valores, tenemos:
 
n n  n 
 a b c
((AB)C)ij =  (ab)imcmj =    ik km mj
m=1 m=1 k = 1 
 
Calculando los productos y reorganizando los sumatorios obtenemos:
   
n  n  n  n  n
((AB)C)ij =    a ik b km c mj =  aik   bkm cmj =  aik(BC)kj = (A(BC))ij

 
m = 1 k = 1  k=1 m = 1  k=1
   
 1 1 5 1 1 5 0
0 1 1 5 0  
    0 –3 –7 1
3.1.  2 – 1 3 1    0 –3 –7 1   
    –7
 0 0 ------ 7 
 –3 4 –1 0 0 7 14 0 ---
 3 3
y, por lo tanto, el sistema tiene solución única x = 3; y = 2; z = –1. Podemos comprobar que
el resultado es correcto sustituyendo los valores encontrados por las incógnitas en cada una Nos podemos equivocar...
de las ecuaciones, con lo cual obtenemos:
... resolviendo un sistema
de ecuaciones, pero nunca
x + y + 5z = 3 + 2 + 5 · (–1) = 0 (correcto) debemos dar una respuesta
incorrecta.
2x – y + 3z = 2 · 3 – 2 + 3 · (–1) = 1 (correcto)
–3x + 4y – z = (–3) · 3 + 4 · 2 – (–1) = 0 (correcto)
3.2.Observad las permutaciones entre las filas y cómo facilitan los cálculos:
 5 2 –1 2  1 –1 3 8 1 –1 3 8
     
 1 –1 3 8   5 2 –1 2 0 7 – 16 – 38  
     
 –2 3 2 –3   –2 3 2 –3  0 1 8 13 
 1 –1 3 8  1 –1 3 8
   
 0 1 8 13    0 1 8 13 
   
 0 7 – 16 – 38  0 0 – 72 – 129 
31 –4 43
con lo cual obtenemos x = ------ ; y = ------ ; z = ------ .
24 3 24
3.3.
   
 1 0 1 –1 2  1 0 1 –1 2
 2 –1 1 0 1   0 –1 –1 2 – 3
   
 1 3 4 –7 11   0 3 3 –6 9 
   
 –4 3 –1 –2 1  0 3 3 –6 9
 –2 2 0 –1 2  0 2 2 –3 6
  
   2
 1 0 1 –1 2  1 0 1 0
 0 –1 –1 2 – 3  0 1 1 0 3
   
 0 0 0 0 0   0 0 0 1 0
   
 0 0 0 0 0  0 0 0 0 0
 0 0 0 1 
0  0 0 0 0 0
 
x = 2 – z; y = 3 – z; t = 0
3.4.
4 –2 –1 2 1 –7 –4 2
   
3 5 3 2   3 5 3 2 
   
1 –7 –4 2 4 –2 –1 2
1 –7 –4 2 1 –7 –4 2 
   
0 26 15 –4    0 26 15 –4 
   
0 26 15 –6  0 0 0 –2 
que es un sistema incompatible, ya que la última ecuación se ha transformado en 0 · x + 0 · y +

+ 0 · z = –2 y esta ecuación no tiene ninguna solución.
3.5.
   
 2 2 2 –1 –1 8  1 1 1 1 1 1
 0 0 0 1 1 –2   0 0 0 1 1 –2 
   
 1 1 1 1 1 1   2 2 2 –1 –1 8 
   
 1 1 1 0 0 3  1 1 1 0 0 3
 3 3 3 4 4 1   3 3 3 4 4 1
   
   
 1 1 1 1 1 1   1 1 1 1 1 1
 0 0 0 1 1 –2   0 0 0 1 1 –2 
   
 0 0 0 –3 –3 6   0 0 0 0 0 0 
   
 0 0 0 –1 –1 2   0 0 0 0 0 0
 0 0 0 1 1 
–2   0 0 0 0 0 0
 
 3
 1 1 1 0 0
 0 0 0 1 1 –2 
 
 0 0 0 0 0 0
 
 0 0 0 0 0 0
 0 0 0 0 0 0

y podemos aislar x1 y x4 según las demás incógnitas, con lo cual obtenemos x1 = 3 – x2 – x3,
x4 = – 2 – x5 (¡comprobadlo!). Observad que todas las soluciones de este sistema se pueden expresar así:
 x 1 ,x 2 ,x 3 ,x 4 ,x 5  =  3 – x 2 – x 3 , x 2 , x 3 , – 2 – x 5 , x 5  =
=  3, 0, 0, 0, – 2 , 0  + x 2  – 1 , 1, 0, 0, 0  +
+ x 3  – 1 , 0, 1, 0, 0  + x 5  0, 0, 0, – 1 , 1 
4.1.
 2 –1 3 0  –1 3 7 0
   
 –1 3 7 0   2 –1 3 0 
   
 –1 8 24 0  –1 8 24 0
 –1 3 7 0  –1 3 7 0
   
 0 5 17 0   0 5 17 0
   
 0 5 17 0  0 0 0 0
– 16 – 17
x =  ---------- z, y =  ---------- z
 5   5 
4.2. Puesto que todas las ecuaciones son múltiples de la primera, el sistema se reduce a
1 1 5 0  y la solución es x = – y – 5z.

 1  1 1 5 0
1 5 0  1 1 5 0  
    0 3 – 23
0   
0
4.3.  4 7 –3 0   0 3 – 23
    – 25 
 –1 –3 2 0  0 –2 7 0  0 0 ---------- 0
 3 
Obtenemos x = 0; y = 0; z = 0. Puesto que la única solución de este sistema homogéneo es la

trivial, diremos que el sistema homogéneo no tiene solución propia.
4.4.
   
 1 1 5 –3 0  1 1 5 –3 0
   
 2 –3 1 2 0   0 –5 –9 8 0

 4 –1 11 –4 0  0 –5 –9 8 0
   
 1 –4 –4 –1 0  0 –5 –9 2 0
   
 
 1 1 5 –3 0
 
 0 –5 –9 8 0 –9
 x =  – 16
------ z; y =  ------ z; t = 0
 0 0 0 0 0  5  5
 
 0 0 0 –6 0
 
4.5. Si x1, ..., xn son soluciones del sistema Ax = 0, significará que Ax1 = 0, ..., Axn = 0 y, por
lo tanto:
A(t1x1 + t2x2 + ··· + tnxn) = At1x1 + At2x2 + ··· +Atnxn =

= t1Ax1 + t2Ax2 + ··· + tnAxn = t10 + t20 + ··· +tn0 = 0
5.1.
a) D1 Si lo desarrollamos por la segunda columna, obtenemos:
c12C12 + c22C22 + c32C32 =
 c 21 c 23  c 11 c 13  c 11 c 12 
= c 12 –  +c + c 32 –  =
 c 31 c 33  22
c 31 c 33  c 21 c 23 
   
= c11c22c33 + c21c32c13 + c31c12c23 –

– c31c22c13 – c21c12c33 – c11c32c23 = det(C)
b) D4
a b c
b c b c b c b c
a b c = a –a + a = a = a  bc – bc  = 0
b c b c b c b c
a b c
c) D5 Desarrollándolo por la primera fila obtenemos:
a + a b + b c + c
c 21 c 22 c 23 =
c 31 c 32 c 33
c 22 c 32 c 21 c 31 c 21 c 31
=  a + a  –  b + b  +  c + c  =
c 23 c 33 c 23 c 33 c 22 c 32
c 22 c 32 c 21 c 31 c 21 c 31
= a –b +c +
c 23 c 33 c 23 c 33 c 22 c 32
c 22 c 32 c 21 c 31 c 21 c 31
+ a – b + c =
c 23 c 33 c 23 c 33 c 22 c 32
a b c a b c
= c 21 c 22 c 23 + c 21 c 22 c 23
c 31 c 32 c 33 c 31 c 32 c 33
d) D6
c 11 c 12 c 13
c 21 c 22 c 23 =
c 31 c 32 c 33
c 22 c 32 c 21 c 31 c 21 c 31
= c 11 – c 12 + c 13 =
c 23 c 33 c 23 c 33 c 22 c 32
 c 22 c 32 c 21 c 31 c 21 c 31 
= +   c 11 – c 12 + c 13  =
 c 23 c 33 c 23 c 33 c 22 c 32 
c 11 c 12 c 13
=  c 21 c 22 c 23
c 31 c 32 c 33
e) D7. Para D2, D5 y D6:
c 11 c 12 c 13 + c 11 c 11 c 12 c 13 c 11 c 12 c 11 c 11 c 12 c 13
c 21 c 22 c 23 + c 21 = c 21 c 22 c 23 +  c 21 c 22 c 21 = c 21 c 22 c 23 + 0
c 31 c 32 c 33 + c 31 c 31 c 32 c 33 c 31 c 32 c 31 c 31 c 32 c 33
ya que el último determinante tiene dos incógnitas iguales.
5.2. El determinante de la matriz ampliada del sistema es:
2 –3 –1 2
1 2 –3 4
= – 13 – 26
1 –2 –1 3
 –2 2 1
y, por lo tanto, este determinante se anula en el caso de que  = –2.
Observamos que si   – 2 el rango de la matriz ampliada será 4 y el rango de la matriz del

sistema será, como máximo, 3 (ya que la matriz del sistema sólo tiene tres columnas). Ten-
dremos, pues, un sistema incompatible.
Para el caso  = – 2 , sustituimos este valor en el sistema y lo resolvemos como siempre (es
un sistema “normal”: no hay parámetros, ni lambdas ni nada). Encontraréis que es un siste-
ma compatible y determinado.
5.3. El determinante de la matriz del sistema es:
 1 1
3 2
1  1 =  – 3 + 2 =   – 1    + 2 
1 1 
Por lo tanto, si   1 y   – 2 , el rango de la matriz del sistema es 3 y el sistema será com-

patible y determinado (el rango de la matriz ampliada no puede ser 4; por lo tanto, tendrá
que ser 3 y coincidirá con el rango de la matriz del sistema y con el número de incógnitas).
Para  = 1 el sistema consta de una única ecuación x + y + z = 1, que es, evidentemente, un

sistema compatible e indeterminado.
Para  = – 2 , aplicando Gauss obtenemos:
 –2 1 1 1  1 –2 1 – 2
   
 1 –2 1 –2     0 –3 3 – 3
 1 1 –2   0 0 0 
 4  3
y el sistema es incompatible.
2
5.4. El determinante de la matriz del sistema es  + 6 + 5 , sus raíces son  = – 1 , = – 5 . Por
lo tanto, si  es diferente de estos valores el sistema (¡es homogéneo!) tiene únicamente la solu-
ción trivial.
1
 x  --- 
  2
Para  = – 1 (resolviéndolo por Gauss) obtenemos  y = t  – 1 
 z  ------
  2
 
1
 –3 
 x  ------ 
   7 
Para  = – 5 (resolviéndolo por Gauss) obtenemos  y = t  1 
 z  
   – 22
 ----------
 7 
5.5. Observad que:
• restando a la segunda columna la primera multiplicada por x,

• restando a la tercera columna la segunda multiplicada por x,
• desarrollando el determinante por la primera columna,
• aplicando la propiedad D6 para sacar del determinante los escalares que multiplican to-
dos los elementos de las filas segunda y tercera, y
• calculando el determinante de orden 2 que nos queda y arreglando los signos,
obtenemos:
2
1 x x 1 0 0 2
2 2 y–x y – xy
1 y y = 1 y–x y – xy = 2
=
2 2 z–x z – xz
1 z z 1 z–x z – xz
y–x y y – x 1 y
= = y – xz – x =
z–x z z – x 1 z
= y – xz – xz – y = x – yz – xy – z
Para el caso general, los mismos pasos que hemos seguido cuando hay tres columnas nos pro-
porcionan determinantes cada vez más pequeños hasta llegar al valor del determinante grande,
que es:
 x 2 – x 1   x 3 – x 1  ···  x n – x 1   x 3 – x 2  ···  x n – x 2  ···  x n – x n – 1 































5.6. El resultado es a11a22 ··· ann, es decir, el producto de los elementos de la diagonal.
6.1.
 1 –2 4 1 0 0  1 –2 4 1 0 0 
   
 2 5 –3 0 1 0  0 9 – 11 –2 1 0 
   
 –3 1 4 0 0 1  0 –5 16 3 0 1 
 1 –2  1 0 0 
4 1 0 0  1 –2 4 
   –2 1
 0 9 – 11 –2 1 0 – 11 ---------- --- 0 
 0 1 ---------- 9 9 
 17 5   9 
 0 0 89
------ ------ --- 1  0 17 5 9 
 9 9 9  0 1 ------ ------ ------
 89 89 89 
  
21 20 36   1
23 12
------ – ------ –– 14
---------- 
 1 –2 0 ------ – ------ – ------  0 0
89 89
 89 89 89   89 
  
 0 1 0 1 16 11    0 1 0
1 16
------ ------ 11
------ 
------ ------ ------
 89 89 89   89 89 89 
   
17 5 9   0 17 5 9 
 0 0 1 ------ ------ ------ 0 1 ------ ------ ------
 89 89 89   89 89 89 
y, por lo tanto, la inversa que nos piden es:
 23 12 – 14 
 ------ ------ ---------- 
 89 89 89 
 1 16 11 
 ------ ------ ------ 
 89 89 89 
 17 5 9 
 ------ ------ ------ 
 89 89 89 
6.2.
–1
 cos    – sen      cos    sen    
  =  
 sen    cos      – sen    cos    
2 2
(Recordad que sen    + cos    = 1! ) b) es una comprobación immediata. Para resolver c)
planteamos A · At = I y del sistema que queda aislamos a, después b y finalmente c, con lo
cual tenemos dos posibilidades:
48 – 36 5 – 48 36 –5
a = ------ , b = ---------- , c = ------ o bien a = ---------- , b = ------ , c = ------
65 65 13 65 65 13
Ejercicios de autoevaluación
1. Comparad los casos c) y e):
 1  11  5  – 1  5
     
a)  4 b) Incompatible c)  62  5 + t  – 7  5
     
 6  0   1 
 0  – 1  5
   
d)  0 e) + t  – 7  5
   
 0  1 
2. Si m  0 y m  – 1, el sistema es compatible y determinado con soluciones (x, y, z) =

= (2m/(m + 1), –4/(m + 1), (m + 3)/(m + 1)).
Si m = 0, el sistema es compatible e indeterminado con soluciones (x, y, z) = (0, 5, 0) + t (0, –3, 1).
Si m = –1, el sistema es incompatible.
3. Si b  0 , a  1 y a  – 2 , el determinante de la matriz del sistema es diferente de cero y,

por lo tanto, el sistema es compatible y determinado.
Si b = 0, el sistema es incompatible.
Si a = 1, y b  1, el sistema es incompatible. Si a = 1 y b = 1, el sistema es compatible e indeter-
minado.
Si a = –2 y b  – 2, el sistema es incompatible. Si a = –2 y b = –2, el sistema es compatible e
indeterminado.
 3 2 2
–1  
4. A =  1 3 1
 5 3 4
 
 a b   – 2c c   – 2b b 
5. B =   C =   D =  
 2a 2b   – 2d d   – 4b 2b 
donde a, b, c, d son números cualquiera.
6. Puesto que det  A   0 , A tiene inversa y, por lo tanto, B = A–1 · 0 = 0. Lo mismo para C y D.
 3
 
   2
7. A =  1 2 3 5  y B =  
 26 4 3  5
 2
 
donde en la primera fila de A están las compras del centro de Lérida y en la segunda, las com-
pras del centro de Mataró, y la matriz B consta de los precios de cada uno de los productos. Si
multiplicamos:
 3
 
   2  32 
A· B =  1 2 3 5   =  
 2 6 4 3   5  44 
 2
 
obtenemos que el centro de Lérida ha gastado 32 u.m. y el de Mataró 44 u.m. Si C = (1, 1),
C   A  B  =  1,1   32 =  76 
44
Finalmente nos piden que sumemos por columnas la matriz A. Observamos que:
 
C  A =  1,1    1 2 3 5  =  3, 8, 7, 8 
 2 64 3
¿Podríais interpretar ahora las operaciones C · (A · B) y (C · A) · B?

En el segundo caso D = A, ya que hacen exactamente la misma compra
 3 4 
 
2 2
y E =   tiene los precios de cada mes en una columna.
 5 6 
 
 2 7 
 32 61 
AE =   nos da el gasto de cada centro en cada compra.
 44 65 
(1, 1) · (D · E) = (76, 126) es lo que han gastado entre ambos centros en cada una de las compras.
 1
((1, 1) · (D · E))   = 76 + 126 es el gasto total.
 1
8. ¡Mejor que avisemos a un químico!

a) El sistema es:
 5% 10% 15%   kg A   kg plata 
   
 15% 25% 40%   kg B   kg cobre 
   
 80% 65% 45%   kg C   kg oro 
b) 7,5 kg de plata, 20,5 kg de cobre y 62 kg de oro. Las proporciones correspondientes son,

aproximadamente, 8,33%, 22,78% y 68,89%.
c) 9%, 24,5%, 66,5%.
d) Si resolvemos el sistema:
 5% 10% 15%   x   0,2 

   
 15% 25% 40%  y  0 
   
 80% 65% 45%   z   0,8 
obtenemos x = –11, y = 21, z = –9. Directamente no tiene sentido considerar –11 kg de

A pero sí que podemos considerar que la solución consiste en coger 21 kg de B, extraer
11 kg de A y 9 de C. Podéis comprobar que lo que queda tiene un 20% de plata y un 80%
de oro. Observad que suponemos que disponemos de un procedimiento para extraer de
una mezcla cualquiera de plata, cobre y oro, ciertas cantidades de las aleaciones A, B y C,
y esto (los químicos lo saben, y, por cierto, ¡todavía no ha llegado!) no siempre es posible.
e) (0,2; 0,3; 0,5).
9. Observad que en este caso la matriz del sistema tiene determinante nulo.
a) El sistema es incompatible; por lo tanto, no hay manera de obtener una mezcla con las
características pedidas.
b) El sistema es compatible e indeterminado y, por lo tanto, tiene muchas soluciones
que se pueden expresar de esta manera: x = –1/5 + t, y = 6/5 – 2t, z = t. Observamos que
en la solución, t expresa la proporción de A que habrá en la mezcla final y, en conse-
cuencia, la proporción mínima de A es 0 y la máxima, 2/5, ya que, si t > 2/5, el valor
correspondiente a la cantidad de B sería negativo.
10. Si m  35, el sistema es compatible y determinado (es decir, para cada m  35 y n el sis-
tema tiene solución única) con solución:
2m + 5  15 – n  7m + 5  9 – 2n  n – 29-
x = ---------------------------------------- ; y = ----------------------------------------- ; z = -----------------
5  35 – m  5  m – 35  m – 35
Por ejemplo, si n fuera 40 y m fuera 55, la solución sería (0,15; 0,3; 0,55).
Si m = 35 y n  29, el sistema es incompatible.
Si m = 35 y n = 29, el sistema es compatible e indeterminado con la solución siguiente: (x, y,
z) = = (0, 3/5, 2/5) + t(1, –2, 1).
Glosario
adjunto del elemento aij de una matriz cuadrada (5.2)
Determinante menor complementario del elemento aij con el signo (–1)i+j donde i, j son los
índices de la fila y la columna.
Cramer, regla de (5.4)

Conjunto de fórmulas en forma de cociente de determinantes que dan el valor de las incóg-
nitas en un sistema compatible y determinado, denominado también sistema de Cramer.
determinante (5)
Dada una matriz cuadrada, el determinante es un número que se calcula a partir de sus ele-
mentos.
Gauss, método de (3)

Método que permite reducir un sistema lineal puesto en forma matricial en un sistema triangular.
matriz (2)
Una matriz n m es un conjunto de n  m elementos (números) colocados en n filas y m co-
lumnas.
matriz ampliada de un sistema (2)

La matriz ampliada de un sistema de ecuaciones lineales se forma añadiendo a la derecha de
la matriz del sistema la columna de los términos independientes, con el signo que les corres-
ponde pasados al segundo término de las ecuaciones.
matriz inversa (6)

Las matrices cuadradas que tienen determinante diferente de cero tienen matriz inversa tal
que su producto (por la izquierda o por la derecha) con la matriz dada es la matriz identidad.
menor (5.6)
Dada una matriz, se denomina menor o determinante menor a cualquier determinante de la
matriz cuadrada que se forme con los elementos de la matriz suprimiendo cierto número de
filas y de columnas, de manera que quede una matriz cuadrada.
menor complementario (5.2)

Dada una matriz cuadrada, denominamos menor complementario de un elemento aij el de-
terminante menor que se forma suprimiendo la fila i y la columna j del elemento en cuestión.
pivote (3)
Elemento diferente de cero que se elige para avanzar una nueva etapa en el método Gauss.
rango de una matriz (3 y 5.6)

Número máximo de filas o de columnas independientes que contiene una matriz.
Rouché-Frobenius, teorema de (3)

Teorema que permite saber si un sistema lineal es compatible o no lo es. En los casos en que
sí lo es, permite saber cuándo es determinado o qué grado de indeterminación tiene.
sistema lineal (1)

Conjunto de n ecuaciones de primer grado en m variables.
sistema compatible (1)

Decimos que un sistema de ecuaciones es compatible cuando tiene alguna solución. Si no
tiene ninguna decimos que es incompatible. Por abuso del lenguaje, en el caso de los sistemas
homogéneos, que siempre tienen la solución trivial cero, cuando únicamente tienen esta so-
lución decimos que son incompatibles.
sistema determinado (1)

Sistema que tiene una única solución. Si contiene más de una solución decimos que es inde-
terminado.
sistema homogéneo (4 y 5.6)

Sistema de ecuaciones sin términos independientes o, lo que es equivalente, todos los térmi-
nos independientes son nulos.
Bibliografía
Anton, H. (1991). Introducción al álgebra lineal (3.ª ed.). México: Limusa.
Realiza un tratamiento elemental del álgebra lineal para estudiantes de primeros cursos de
licenciatura no específica. No requiere conocimientos de cálculo, aunque incluye ejercicios
para los estudiantes que han hecho cálculo. No contiene todas las demostraciones, pero sí
aquellas que considera pedagógicas y elementales, y en una parte optativa incluye otras no
tan elementales que también considera pedagógicas. Es un texto bastante elemental. No uti-
liza el símbolo para no complicar la comprensión.
Fraleigh, J.B.; Beauregard, R.A. (1989). Álgebra lineal. Argentina: Addison Wesley Ibe-
roamericana.
Es un texto de carácter parecido al anterior. También contiene métodos más avanzados para
sistemas grandes, simples, etc. Es bastante didáctico.
Grossman, S.I. (1988). Álgebra lineal (2.ª ed.). México: Grupo Editorial Iberoamericana.
Es un texto parecido a los anteriores, pero tiene un aspecto más específicamente científico.
Hay ejercicios, que ya están señalados, que requieren conocimientos de cálculo. Además con-
tiene métodos numéricos para álgebra lineal.

Modulo 1 Matrices y Sistemas de Ecuaciones

Cargado por

Copyright:

Formatos disponibles

Modulo 1 Matrices y Sistemas de Ecuaciones

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modulo 1 Matrices y Sistemas de Ecuaciones

Cargado por

Copyright:

Formatos disponibles

Matrices

Antoni Montes Lozano

Tiempo mínimo de dedicación recomendado: 5 horas

3. El método de Gauss ............................................................................ 16

4. Sistemas homogéneos ........................................................................ 25

5. Determinantes y regla de Cramer .................................................. 29

6. Matriz inversa ..................................................................................... 44

Ejercicios de autoevaluación ................................................................ 55

Ejercicios de autoevaluación ................................................................ 63

En la mayoría de los problemas que plantean la ciencia y la técnica, y también

1. Aprender el concepto de matriz.

2. Dominar el álgebra de matrices (operatoria).

3. Saber analizar y resolver sistemas de ecuaciones.

4. Aprender a utilizar las matrices en otras materias, especialmente en economía.

Muchos problemas técnicos y científicos requieren la resolu-

En economía también pasa lo mismo. Las matrices y los sistemas

Elaborando gráficas de cada uno de los sistemas de ecuaciones se obtiene:

a) Rectas secantes b) Rectas paralelas c) Rectas coincidentes

Tratándose de sistemas de dos ecuaciones y dos incógnitas no hay más casos.

Diremos que un sistema es compatible si admite soluciones, es decir, si

Ahora estudiaremos los sistemas de ecuaciones lineales en general y determi-

Daremos ahora las definiciones y notaciones que utilizaremos.

Un sistema de m ecuaciones lineales y n incógnitas x1, x2, ..., xn o variables con-

donde las a ij y las b i son escalares conocidos, y el rango de variación de los

Los coeficientes a ij forman una matriz de m filas y n columnas, que represen-

Diremos A =  a ij  para indicar que A es la matriz m  n que tiene por elemen-

De este modo tendremos:

Definimos ahora el producto de una matriz C, de m filas y k columnas por una

 e ... e   c11 ... c 1k   d ... d 

donde el elemento e ij de la i-ésima fila y j-ésima columna del producto E se

Abreviadamente, escribiremos: William Rowan Hamilton

Matemático nacido en Dublín,

Con estas notaciones, el sistema (2.1) se escribe según la forma:

Además de la matriz del sistema (2.2), también utilizaremos la matriz ampliada,

Habiendo definido el producto de matrices, conviene definir también la suma.

Matemático inglés que destacó

escribid la matriz del sistema y la matriz ampliada. Escribid el sistema en la forma

Ejemplo 2.2. ¿Cuándo es factible la multiplicación de dos matrices? Si es posible,  2 3 –6 

Ejemplo 2.3. Haced la suma: 2.3. Solución

Cuando las matrices tienen el mismo número n de filas y columnas hablamos

Sean A, B, C matrices m  n cualquiera. Se verifican las propiedades siguientes:

Propiedades del producto:

Sean A, B, C matrices cuadradas n  n cualquiera. Se verifican las propiedades

MP2 La matriz identidad I, que tiene 1 en la diagonal principal y 0 en las de-

No es difícil probar que se cumplen estas propiedades y el lector interesado las

Las matrices admiten también otra operación, que es la multiplicación por un

Propiedad de la multiplicación por escalares:

Ejemplo 2.4. Escribid una matriz 3  4 y su transpuesta.

Es muy sencillo demostrar que:

Análogamente podemos orlar o ampliar una matriz añadiendo columnas o filas.

Ejemplo 2.6. Dadas las matrices:

2.1. Sean las matrices siguientes:

Comprobad las propiedades de la suma, multiplicación y multiplicación por escalares,

2.3. Demostrad que (A · B)t = Bt · At

2.4. Si A es una matriz 4  6

xt · A · x = a11x2 + 2a12 xy + a22 y2 + 2a1x + 2a2y + a

¿Qué tipo de matriz es A?

2.7. Dadas tres matrices cuadradas, n  n, A, B, C, probad la propiedad asociativa de la