Você está na página 1de 58

2 S I S T E M A S L I N E A L E S

(Dumar Villa)

2. 1 Conceptos basicos

En este captulo desarrollaremos un metodo para resolver sistemas de ecuaciones lineales en varias
variables. El metodo, llamado e liminac io n Gaussiana, consiste en simpli car repetidamente
el sistema hasta que la solucion aparezca a nuestra vista. El metodo de eliminacion Gaussiana
tambien se puede usar para determinar si un sistema dado tiene o no solucion o si tiene in nitas
soluciones. Finalmente, la eliminacion Gaussiana tambien se usara para hallar la inversa de una
matriz. Primero necesitamos introducir alguna terminologa y considerar algunos casos simples.

2.1.1 Representacion estandar

Una ecuacion lineal con n variables x 1;  ; x n, es una expresion que se puede escribir en forma
estandar, como
a1 x1 + a 2 x2 + + n n= a x b; (1)

con 1    n y constantes numericas. Las constantes 1    n se llaman coe cientes y el


a ; ; a b a ; ; a b

termino constante de la ecuacion. Es de anotar que, en toda ecuacion lineal se asume, implcitamen-
te, que las variab le s e stan e n un orde n de te rminado . En ( 1 ) las variables estan ordenadas con
subndices, pero tambien se pueden ordenar alfabeticamente como en la ecuacion 3 2 + = 5. x y z

Una so l uci o n de la ecuacion ( 1 ) es un vector u de componentes numericas, 1    n, que al


n s ; ; s

sustituir, respectivamente las variables 1    n satisface la ecuacion. Por razones que seran
x ; ; x

claras mas adelante, una solucion de una ecuacion lineal se debe tomara como un vector columna,
pero por motivos tipogra cos, es costumbre representarlo como una vector la. Concretamente,
una solucion de ( 1 ) es un vector u = ( 1    n) t que hace verdadera la expresion
s ; ; s

a 1 ( s1 ) + a2 ( s2 ) +    + n( n)
a s = b :

Se dice que una ecuacion lineal es degenerada si todos sus coe cientes son ceros. Una ecuacion
degenerada tiene la forma
0 x1 + +0 n= x b : ( 2)

Note que una ecuacion degenerada tiene solucion solo si el termino constante es cero. En efecto, si
b on es justamente 0 1 +    + 0 n = 0 , con lo cual todo vector u = ( 1    n) t es
= 0 , la ecuaci x x s ; ; s

27
28 2 Sistemas lineales

una solucion de ( 2) , ya que

0 ( s1 ) +    + 0( s n) = 0 :

Contrariamente, si 6= 0 , ningu n vector ( 1    n) t es una solucion de ( 2) , pues cualquier susti-


b s ; ; s

tucion de las variables en el lado derecho genera un cero, mientras que el lado izquierdo es diferente
de cero.

Una ecuacion en la cual no todos sus coe cietes son cero, se llama, naturalmente, no degenerada.
En una ecuacion no degenerada,

a 1 x1 + a 2 x2 + + a n n
x = b ;

la primera variable en la ecuacion, con coe ciente no cero, recibe el nombre de primera variable
( de la ecuacion) . La posicion de la primera variable es, entonces, el menor valor de para el cual k

a k 6
= 0 . Es decir, k es la primera variable, si i = 0 8
x , pero k 6 = 0 . Si en una ecuaci
a on ; i < k a

lineal k es la primera variable, cualquiera otra variable j con


x se llama una variable libre x j > k

en la ecuacion.

Veamos que una ecuacion lineal no degenerada siempre tiene una solucion. Para ello procederemos
en forma inductiva. En el caso mas simple, de una ecuacion con una sola variable, esta tiene la
forma

ax = b con a 6= 0 :

Obviamente, b
=
a es una solucion. En realidad, esta es la u
x  nica solucion. Ahora consideremos
una ecuacion no degenerada con dos variables.
a 1 x1 + a 2 x2 = b ; ( 3)

con alguno de sus coe ciente distinto de cero. Sin perdida de generalidad, podemos suponer que
a1 6
= 0 . En otros terminos, estamos suponiendo que 1 es la primera variable, con lo cual, 2 es x x

una variable libre. Asignando un valor arbitrario pero jo a 2 , digamos 2 , podemos sustitur x s

dicho valor en ( 3) . Despues, con un poco de algebra ordinaria obtenemos 1 : x

2 ( s2 )
)
b a

1 ( x1 )
a + a 2 s2 = b x 1 = :
a 1

b a 2 ( s2 )
Ahora bien, tomando s 1 = , con un simple calculo podemos mostrar que el vector
a 1
u = ( s1 ; s 2 )
t
es una solucion de la ecuacion ( 3) . Ya que esta solucion depende del valor s 2 asignado
( libremente) a 2 , es claro que si 1 6= 0 , la ecuacion ( 3) tiene in nitas soluciones.
x a

En el caso general de una ecuacion no degenerada con n variables,


1 x1
a + a 2 x2 + + an n x = b ; ( 4)

al menos uno de los coe cientes no es cero. Supongamos que este es 1 . Consecuentemente, 1 a x

es la primera variable y las demas, 2    n, son libres. Entonces, asignando un valor arbitrario
x ; ; x

pero jo a cada variable libre, digamos, 2 = 2    , n = n, sustituyendo estos valores en ( 4)


x s ; x s
2.1 Conce pt os bas icos 29

podemos despejar algebraicamente a 1 y hallar as una solucion. En particular, asignando el valor
x

cero a todas las variables libres, hallamos 1 = 1 y obtenemos la solucion espec ca o particular,
x b= a

el vector u0 = ( 1
b= a 0 ; ; 0 ) .;La libertad con que asignamos los valores a las variables ( libres) ,
muestra que toda ecuacion no degenerada, con mas de una variable, tiene in nitas soluciones.
Bajo ese contexto, el problema de solucionar una ecuacion lineal arbitraria, puede considerarse un
caso cerrado. As, resulta de interes considerar, simultaneamente, dos o mas ecuaciones lineales,
comunmente referidas como un si stema l i neal de ecuaci ones. Formalmente, un sistema lineal
de ecuaciones, o simplemente un sistema lineal ( sl) , es un conjunto de ecuaciones lineales con
el mismo nu mero de variables. Simbolicamente un sl de ecuaciones con variables, se puede m n

expresar en la siguiente forma estandar:

a 11 x 1 + a 12 x 2 + + a 1 n n x = b1
.. ..
. .
a m1 x 1 + a m2 x 2 +    + mn n = m
a x b :

Un sistema lineal con todos sus terminos constantes iguales a cero, se llama un si stema l i neal
ho mo geneo . Para referencias posteriores, insistimos en que la forma general estandar de un
sistema homogeneo es la siguiente:

a 11 x 1 + a 12 x 2 + + a1 n n
x = 0

.. ..
. .
a m1 x 1 + a m2 x 2 +    + mn n = 0
a x :

Nuestro proposito ahora es discutir como determinar las soluciones de sistemas lineales. Por
de nicion, una solucion de un sl con variables es un vector s = ( 1 2   
n ) que satisface s ; s ; ; s nt t
cada una de las ecuaciones del sistema. Por ejemplo, es facil ver que el vector ( 1 2 3) es una ; ;

solucion del sistema


( (
3 x 1 + 4x 2 x 3 = 8 3 ( 1 ) + 4( 2) ( 3) = 8
; ya que
2x1 + x 2 5 x3 = 19 2( 1 ) + ( 2) 5( 3) = 19 :

En particular, todo sistema lineal homogeneo tiene al menos una solucion. Propiamente, el vector
cero. Por ejemplo, ( 0, 0, 0) es una solucion del sistema

3x 2y + z =0

4x + y 5z =0

2x 3y + z =0 :

Es de advertir que un sistema homogeneo puede tener in nitas soluciones, ademas del vector cero.
Este punto sera tratado en detalle en la seccion 2. 3.

Determinar si un vector es o no una solucion de una ecuacion o de un sistema de ecuaciones, no es


difcil. Pero hallar una solucion para un sl no siempre es facil. Los sistemas con un nu mero pequeno
de variables, no ofrecen resistencia y se pueden manejar con metodos de algebra elemental. Si el sl
incluye una ecuacion degenerada con termino constante diferente de cero, no hay solucion, toda vez
30 2 S is t e mas line ale s

que una solucion es un vector que satisfaga a todas las ecuaciones del sistema. De modo que, para
empezar, podemos suponer que en los sistemas a tratar, todas las ecuaciones son no-degeneradas.
Esto es, cada ecuacion tiene al menos un coe ciente no-cero.

Forma triangular de un sistema lineal


Un tipo de sl, facil de resolver es el que esta en forma triangular. Se dice que un sl esta en forma
triangular si el nu mero de ecuaciones iguala al nu mero de variables y, ademas, k es la primera x

variable de la -esima ecuacion. Un sl triangular tiene la siguiente forma general:


k

a11 x 1 + a12 x 2 + + a 1 nx n = 1


b

a22 x 2 +  + a 2 nx n = 2
b

.. ..
. .
ann n x = n
b ;

en donde 11 6
a= 0 , 22 6
= 0 ,    ,
a nn 6
= 0 . Por de nici
a on, en un sistema triangular todas las
ecuaciones son no degeneradas, y como tales, todas tiene solucion. Para resolver un s l triangular
se usa el metodo conocido como sustituc ion regre siva .

EJEM P L O 1 Resolvamos el siguiente sistema lineal triangular.

3x 2y z = 6

5 y + 4z = 1 3

2z = 4 :

 N
S O L UCI O Como hay tres ecuaciones, efectuamos tres pasos:

1
o En la tercera ( u ltima) ecuacion despejamos z y obtenemos z = 2 .

2
o Sustituimos este valor en la segunda ecuacion y despejamos : y

13 8
5 y + 4( 2 ) = 1 3 = ) y = = ) y = 1
5

3
o Finalmente, sustitumos los valores de y y de z en la primera ecuacion y despejamos : x

6 + 4 10
3x 2( 1 ) ( 2) = 6 = ) x = = :
3 3

Por lo tanto, la solucion del sl es el vector (


10
3 ;
1 ; 2) . 
2.1 Conce pt os bas icos 31

1
2.1.2 Eliminacion de Gauss-Jordan

G auss Jordan

Para ilustrar intuitivamente el proceso, consideremos un ejemplo practico, que conduce a la solucion
de un sistema de ecuaciones lineales. Vamos a tratar de resolverlo aplicando las ideas contenidas
en los metodos conjugados de Gauss y Jordan.

EJEM P L O 2 ( P l aneaci o n de pro ducci o n ) La compana rica fruta produce mermeladas


de pina, mora y naranja. Los requerimientos de fruta y fuerza laboral, junto con los bene cios
obtenidos ( en unidades monetarias apropiadas) por cada galon de mermelada, estan resumidos en
la tabla 1 . La compana dispone diariamente de 490 libras de fruta y 40 horas-hombre de fuerza
laboral. La compana quiere obtener un bene cio diario de $1 1 30 ( unidades monetarias) . Cuantos
galones de cada mermelada debe producir diario?

Lbs. fruta H-H Benef.

M. Pina 3 1 /4 6

M. Mora 2 1 /5 6

M. Naranja 4 1 /4 8

Tabla 1.


S O L UCI O N Hay tres incognitas, una para la cantidad de cada tipo de mermelada. Tomemos:

x = # de galones de mermelada de pina


y = # de galones de mermelada de mora
z = # de galones de mermelada de naranja.

Usando la segunda columna de la tabla anterior y el hecho que se dispone de 490 libras de fruta,
obtenemos la ecuacion

1
J o hann Carl Fri eddri ch Gauss(1777-1855) f
ue un f
sico y matem
atico alem
an, quien contribuy
o grande-

mente en el desarrollo del an


alisis matem
atico.

Wi l hel m J ordan (18421899) fue un geodesta alem


an que mejor
o y aplic
o el metodo de Gauss para resolver el

problema de mnimos cuadrados.


32 2 Sistemas lineales

3 + 2 + 4 = 490
x y z :

Analogamente, de la tercera columna y la disponibilidad de 40 horas-hombre, resulta la ecuacion


1
4
x + 1
5
y + 1
4
z = 40 :

De la u ltima columna obtenemos la ecuacion para el bene cio:

6 + 6 + 8 = 1 1 30
x y z :

El proposito es hallar tres valores para asignar a las variables , y , de modo que satisfagan, x y z

simultaneamente, los requerimientos expresados en el sistema de ecuaciones lineales,

3 + 2 + 4 = 490
x y z

1
4x + 15 + 14 = 40 y z ( 5)
6 + 6 + 8 = 1 1 30
x y z

La idea consiste en hallar el valor de en la primera ecuacion, el de en la segunda y el de en


x y z

la tercera. Para tal n, el procedimiento que vamos a seguir, nos permitira eliminar: la variable x

de las segunda y tercera ecuaciones, la variable de la primera y tercera ecuaciones, y la variable


y

z de las dos primeras ecuaciones. Esto es posible por las propiedades basicas de la igualdad: En
primer lugar, obviamente las ecuaciones en el sistema se pueden escribir en cualquier orden, sin
alterar la solucion, esto es, uno puede intercambiar la posicion de dos ecuaciones. De otro lado,
si multiplicamos ambos lados de una ecuacion por un mismo nu mero, se mantiene la igualdad. Y,
nalmente, si sumamos miembro a miembro una ecuacion a otra, la igualdad se conserva. Para
hallar el valor de en la primera ecuacion, dividimos cada miembro de la misma por el coe ciente
x

3 de . As obtenemos el sistema equivalente


x

x+ 32 + 34 = 490 3
y z =

4 + 5 + 4 = 40
1 1 1
x y z ( 6)
6 + 6 + 8 = 1 1 30
x y z :

Este primer paso, en el cual dejamos a con coe ciente 1 en la primera ecuacion es fundamental.
x

Nuestro siguiente paso consiste en eliminar de las otras dos ecuaciones. Para ello restemos 14 de
x

veces la primera ecuacion a la segunda y 6 veces la primera a la tercera. Despues de hacer esto
resulta el sistema equivalente,

x + 23 + 43 = 490 3
y z =

12 = 56
1 1
30 y z = ( 7)
2 y= 1 50 :

En el sistema ( 7) tenemos solo en la primera ecuacion. Nuestro paso a seguir es dejar en la


x y

segunda ecuacion y eliminarla de las demas. Pero antes de continuar, notemos que las cosas se
pueden mejorar en el sistema ( 7) si dividimos ambos lados de la tercera ecuacion por 2 y luego la
intercambiamos con la segunda. El resultado es el sistema
2.1 Conce pt os bas icos 33
2 4
x + y + z = 49 0 = 3
3 3

y = 75 ( 8)
1 1
y z = 5=6 :
30 12

Las cosas se ven mas claras, pues la segunda ecuacion en ( 8) muestra el valor de . Para eliminar y

denominadores, multipliquemos por 60 la tercera ecuacion:


2 4
x + + = 49 0 = 3
3y 3z

y = 75 ( 9)

2y 5z = 50 :

Continuando elmente con el proceso, en el sistema ( 9) debemos eliminar de la primera y la y

2
tercera ecuaciones. Lo que tenemos que hacer es restar 3 veces la segunda ecuacion a la primera
y 2 veces la segunda a la tercera. As obtenemos:
4 340
x + =
3z 3

y = 75 ( 1 0)

5z = 200 :

Nos queda por despejar en la tercera ecuacion y eliminarla de la primera ecuacion de ( 1 0) . Para
z

ello dividimos primero ambos lados de la tercera ecuacion por 5 . As obtenemos el sistema,
4 340
x + =
3z 3

y = 75 (11)

z = 40 :

4
Finalmente, a la primera ecuacion de ( 1 1 ) le restamos 3 de la tercera ecuacion. El resultado es el
sistema

x = 60

y = 75

z = 40 :

t t
Este u
 ltimo sistema revela que la solucion es el vector ( x; y; z ) = ( 6 0 ; 75 ; 40 ) .

 El problema se resuelve, produciendo 60 galones de mermelada de pina,


75 galones de mora y 40 de naranja. 

Nuestro problema ya esta resuelto, con lo cual pierde casi toda su importancia. Lo que permanece
vigente aun es el metodo que empleamos para resolver el sistema de ecuaciones que sirvio como
modelo. Para revisar dicho metodo, retomemos el sistema original
3 x + 2 y + 4z = 49 0

1 1 1
4x
+
5y
+
4z
= 40 ( 1 2)
6x + 6y + 8z = 1 1 30 :
34 2 Sistemas lineales

Es muy facil veri car que los valores x = 60 , y = 75 y z = 40 , satisfacen simultaneamente las tres
ecuaciones del sistema. Para obtener esa solucion, hemos transformado el sistema original en otro
equivalente, cada vez mas simple, hasta llegar al sistema
x = 60
y = 75 ( 1 3)
z = 40 :

Uno de los hechos claves en el exito del procedimiento es que en el sistema ( 1 3) las ecuaciones
estan escritas de tal manera que los terminos en x , los terminos en y y los terminos en z estan en
diferentes columnas. Siempre debemos tener cuidado en presentar un sistema de ecuaciones lineales
de esa manera. Otro hecho clave en el uso de eliminacion Gaussiana es pensar de la solucion como
un sistema de ecuaciones lineales en su propio derecho, como se ve en el sistema ( 1 3) . Este es un
sistema muy especial en el cual todos los coe cientes de los terminos son cero, excepto los de la
diagonal. Por esta razon se dice que el sistema ( 1 3) esta en forma diagonal.

En sntesis, nuestro metodo para resolver un sistema de ecuaciones lineales consiste en reducir el
sistema dado a una forma diagonal. Las operaciones usadas para transformar un s l son de tres
tipos, comunmente referidas como

OPERACIONES ELEMENTALES

1 ) Intercambiar dos ecuaciones.

2) Multiplicar una ecuacion por un nu mero distinto de cero.

3) Sumar a una ecuacion varias veces ( un mu ltiplo de) otra ecuacion.

Para aplicar comodamente las tres operaciones anteriores usaremos la siguiente nomenclatura:

1 ) Ei $ Ej : Intercambio de las ecuaciones de las posiciones i y j .

2)  Ei : Multiplicar por la ecuacion en la posicion i.

3) Ei + Ej : Sumar a la ecuacion en la posicion i , veces la ecuacion en la


posicion j .

EJEMPLO 3 Hallemos una solucion para el siguiente sistema:

2 x + y 4z =1 2
3 x + 2 y z =1 0
5 x 6 y + 2 z = 23 :
2.1 Conce pt os bas icos 35


S O L UCI O N Dada la sencillez del sistema, es posible resolverlo con los metodos del algebra
elemental. Pero, la idea es usar, apropiadamente, las operaciones elementales que acabamos de
mencionar, para transformar el sistema dado a uno que tenga forma diagonal. Estudie con cuidado
los pasos indicados a continuacion.
9 8 1 9
2x + y 4z = 1 2 >> >> x + 2z = 6 >>
2y E 2 + 3 E1
>= 1 >< >=
2 E1
3x + 2y z = 10 3x + 2y z = 10 E 3 5 E1
>>
>; ! >>
>:
>>
>;
5x 6y + 2 = 23 5x 6y + 2z = 23
!
8 1 9 8 1 9 1
+ 2z = 6 + 2z = 6
E 1 2 2
E
>> x
2y >> >> x
2y >>
>< >= 2 >< >=
7 2
E
7
7z = 2 8 2z = 8 17
2y y
>>
>:
>>
>; ! >>
>:
>>
>;
E 3 +
2 E2
17 17
2 y + 1 2z = 53
2 y + 1 2z = 53
!
8 9 8 9
>> x z = 2 >> >> x z = 2 >>
>< >= 1 >< >= E 1 + E 3
5 E3
y 2z = 8 y 2z = 8
E 2 + 2 E3

>>
>:
>>
>; ! >>
>:
>>
>;
!
5z = 1 5 z = 3

x = 1

y = 2

z = 3 :

La solucion ( x; y; z ) del sistema es el vector ( 1 ; 2; 3) . 

2.1.3 Notacion vectorial y matricial

Al resolver un sistema de ecuaciones, los calculos resultan mas simples si hacemos uso del hecho
que los terminos de una variable espec ca se encuentran en una misma columna. Esto nos permite
usar un lenguaje vectorial y/o matricial en el manejo de sistemas. Para ser concretos, consideremos
el siguiente sistema:
x + 4y + 3 z = 1

2 x + 5 y + 4z = 4 ( 1 4)
x 3y 2z = 5 :

El sistema esta determinado por los coe cientes de , los de y los de , y los terminos constantes x y z

del lado derecho. Ellos se pueden organizar, respectivamente, como los siguientes vectores columna.
36 2 Sistemas lineales
0 1 0 1 0 1 0 1
1 4 3 1
@ 2A ;
@ 5 A ;
@ 4 A ;
@ 4A :

1 3 2 5

Con este grupo de vectores, usando operaciones vectoriales e igualdad de vectores, el sistema ( 1 4) ,
se puede escribir de la siguiente manera:
0 1 0 1 0 1 0 1
1 4 3 1

x
@ 2A + y
@ 5 A + z
@ 4 A = @ 4A : ( 1 5)
1 3 2 5

La ecuacion ( 1 5) es la representacion vectorial del sistema ( 1 4) . Para veri car la equivalencia


entre ( 1 4) y ( 1 5) , basta efectuar las operaciones en el lado izquierdo de ( 1 5) y usar igualdad entre
vectores. Asi resulta:
0 1 0 1 8
x + 4y + 3 z 1 >< x + 4y + 3 z = 1

@ A = @ 4A !
>:
2 x + 5 y + 4z 2 x + 5 y + 4z = 4

x 3y 2z 5
x 3y 2z = 5 :

Volviendo al sistema original ( 1 4) , tambien es posible expresarlo en forma matricial. Para ello
organizamos las variables en un vector columna y todos los coe cientes de las variables en una
matriz. As:
0 1 0 1
x 1

vector variable ! @ A , y vector constante ! 4 A ,


@
z 5

0 1
1 4 3

matriz de los coe cientes ! @ 2 5 4 A.


1 3 2

Esto convierte el sistema ( 1 4) en la ecuacion matricial,


0 10 1 0 1
1 4 3 x 1
@ 2 5 4 A@ A y = @ 4A : ( 1 6)
1 3 2 z 5

Como antes, para veri car la equivalencia entre ( 1 4) y ( 1 6) , basta efectuar las operaciones en el
lado izquierdo de ( 1 6) y usar igualdad entre vectores. Notemos primero que, como se trata del
producto de una matriz ( 3  3 ) y un vector columna ( 3  1 ) el resultado es un vector columna
( 3  1 ) . Dejamos los detalles como ejercicio para el estudiante.

La notacion matricial ofrece grandes ventajas tanto teoricas como practicas. En primer lugar,
al discutir resultados generales sobre sistemas lineales, cuando lo que importa no es la solucion,
si no la calidad de las soluciones o las caractersticas del sistema mismo, es mejor manejarlos
matricialmente. De otro lado, al tratar de resolver un sistema de ecuaciones, usando el metodo
de eliminacion Gaussiana, todos los computos se hacen solo sobre los coe cientes de las variables,
teniendo en cuenta, claro esta, la posicion correspondiente a cada variable del sistema. Esto es, sin
cambiar sus posiciones iniciales.

Revisemos la solucion del ejemplo 3 de la pagina 34. All vemos que el sistema original se cambio,
2.1 Conce pt os bas icos 37

sistematicamente, en otro equivalente, cada vez mas simple. En notacion matricial, la idea es
representar cada sistema por una matriz que consiste en la matriz de los coe cientes, mas una
columna nal, correspondiente a los terminos constantes. Dicha matriz se llama la matriz au-
mentada del sistema. Esta matriz se transforma mediante operaciones elementales sobre sus las,
hasta llevarla a una forma diagonal, excepto por la u ltima columna, que se re ere a los terminos
constantes. En cierto sentido, es precisamente esta u ltima columna la que contiene la solucion del
sistema dado inicialmente. En la solucion del ejemplo 3, el sistema inicial y su forma diagonal nal
se representan, respectivamente, por las siguientes matrices:

2 1 4 12 1 0 0 1
0 1 0 1

3 2 1 10 !  ! 0 1 0 2 :

@ A @ A

5 6 2 23 0 0 1 3

En esas condiciones, teniendo en cuenta que cada la de la matriz aumentada corresponde a una
ecuacion del sistema, para transformar la matriz del sistema original a la matriz de la forma
diagonal, basta realizar las operaciones elementales del metodo de eliminacion de Gauss sobre las
las de la matriz. En otras palabras, las transformaciones realizadas para resolver un sistema,
se pueden simular por medio de operaciones vectoriales sobre las las de la matriz aumentada,
denominadas operaciones elementales sobre las las.

O P ERACIO NES EL EM ENTAL ES S O BRE FIL AS

1 ) Intercambiar dos las. ( Fi $ Fj )

2) Multiplicar una la por un nu mero distinto de cero. ( Fi )

3) Sumar a una la un multiplo escalar de otra. ( Fi + Fj )

EJEM P L O 4 Usemos representacion matricial para resolver el siguiente sistema por eliminacion
Gaussiana.

x + 4y + 3 z = 1
2 x + 5 y + 4z = 4
x 3y 2z = 5


S O L UCI O N Primero representamos el sistema en la forma de matriz aumentada y luego la
reducimos a una forma diagonal:

1 4 3 1 F2 2 F1 1 4 3 1
0 1 0 1

F2
1

2 5 4 4 F3 F1 0 3 2 2

3
!
@ A @ A

1 3 2 5 ! 0 7 5 4


38 2 Sistemas lineales

F1 F2 =3 =3
0 1 0 1

1 4 3
1 4 1 0 1
11

( 3) F3
=3 =3 F3 + 7F2 2=3 2=3
0 1 2 2 0 1
!
@ A @ A

0 7 5
4 0 0 1 =3
2=3

=3 =3 F1 3 F3
0 1 0 1

1 0 1
11 1 0 0
3
2

2=3 2=3 F2 F :
3 3
@
0 1 A @
0 1 0
2 A

0 0 1
2 0 0 1
2

La u ltima matriz corresponde a un sistema en forma diagonal que muestra los valores de las
variables: x = 3 , y = 2 , z = 2 . As, la solucion del sistema es el vector ( 3 ; 2 ; 2 ) t . El sistema
de ecuaciones en forma diagonal es,
9 8

x = 3 >
=
>
<
x + 0y + 0z = 3

y = 2 o ; 0x + y + 0z = 2
> >

z 0x + 0y + z
; :

= 2 = 2

Como es usual, no escribiremos terminos de coe ciente cero. 

Terminamos esta seccion introduciendo la operacion de pivote sobre una matriz. El metodo de
eliminacion Gaussiana aplicado a una forma matricial procede como sigue: Tome de a una columna
( a la vez) de izquierda a derecha. En cada columna use las operaciones sobre las para transformar
la componente apropiada en 1 y las demas en 0' s. ( En la primera columna la componente 1
apropiada es la primera, en la segunda columna es la segunda y as sucesivamente) . Este proceso
es el que se llama pivote.

PROCESO DE PIVOTE SOBRE UNA MATRIZ

Para pivotear una matriz en una componente no cero:


1 . Transforme la componente dada en un 1 , mediante operaciones elemen-
tales sobre las las.

2. Transforme las demas componentes, de la misma columna, en ceros,


mediante operaciones elementales sobre las las.

NOTA . Es importante tener presente que un pivote no se puede realiza sobre una componente
cero. Para mostrar una alternativa, consideremos el siguiente

EJEMPLO 5 Usemos eliminacion Gaussiana, en forma matricial, para hallar el vector solucion
del siguiente sistema:
2.1 Conce pt os bas icos 39

x 1 + 2 x3 + 3 x4 = 1 2

x 2 + 4x 3 + 7x 4 = 1 0

5 x4 = 1 5

2 x3 + 6 x4 = 8 :


S O L UCI O N La forma matricial del sistema lineal y su representacion en una matriz aumentada
son las siguientes:
0 1 0 1

1 0 2 3 0 1 0 1
1 0 2 3 12
x 1 0

B 0 1 4 7 C B 0 1 4 7 10 C

1 = 0
@ A @ A
@ A x ; @ A
:
0 0 0 5 0 0 0 5 15
x 1 0

0 0 2 6 0 0 2 6 8

Forma matricial matriz aumentada


No se puede pivotear en la tercera componente en la tercera la de la matriz aumentada. En este
caso, lo que debemos hacer es, primero intercambiar las las tres y cuatro, y, despues, pivotear
sobre el elemento 2. Despues del intercambio de las las, el proceso completo se muestra enseguida:

0 1 0 1

1 0 2 3 12 1 1 0 2 3 12

0 1 4 7

10
2 F3 0 1 4 7

10
F 1 2 F3
B C
1 B C

@ A
5 F4 @ A
F 2 4F3
0

0
0

0
2

0
6

15
! 0

0
0

0
1

0
3

3
!

0 1 0 1

1 0 0 3 4 1
F + 3 F4 1 0 0 0 13

B 0 1 0 5 6 C
2
F + 5 F4 B 0 1 0 0 9 C

@ A @ A :
0 0 1 3 4 3
F 3 F4 0 0 1 0 5

0 0 0 1

3 ! 0 0 0 1

La u ltima columna en la matriz nal, es precisamente el vector solucion del sistema lineal corres-
pondiente a la matriz inicial. Esto es, la solucion del sistema en cuestion sera el vector,
b = (13 ; 9 ; 5 ; 3)
t
: 

El metodo de eliminacion de Gauss-Jordan se puede resumir como se indica en el siguiente cuadro.


40 2 S is t e mas line ale s

EL IM INACIO N GAUS S IANA

Para transformar un sistema lineal a una forma diagonal:

1 . Exprese el sistema en forma matricial.


2. Asegu rese de que el primer elemento de la primera columna no es cero.
Si es necesario intercambie la primera la con una de las las inferiores.
3. Pivotee la matriz en la primera componente de la primera columna.
4. Asegu rese de que la segunda componente de la segunda columna no es cero.
Si es necesario, intercambie la segunda la con una de las las inferiores.
5. Pivotee la matriz en la segunda componente de la segunda columna.
6. Continue hasta llegar a la u ltima componente de la u ltima columna.

EJEM P L O 6 Usemos representacion matricial para resolver el sistema.

x + 4y + 3 z = 1

2 x + 5 y + 4z = 4

x 3y 2z = 5

 N
S O L UCI O Primero representamos el sistema en la forma de matriz aumentada y luego la
reducimos a una forma diagonal:
0 1 0 1

1 4 3 1 2 2 F1 1 4 3 1 1

F

3 F2

2 5 4 4 3 1 0 3 2 2
!
@ A @ A
F F

1 3 2
5 0 7 5
4

0 1 0 1

1 4 3 1 1 4F2 1 0 1 =3 1 1 =3

F

( 3 ) F3
0 1 2=3 2=3 3 + 7F2 0 1 2=3 2=3
!
@ A @ A
F

0 7 5
4 0 0 1 =3
2=3

1
0 1 0 1

1 0 1 =3 1 1 =3 1 3 F3
1 0 0 3

F

0 1 2=3 2=3 2 3 F3
0 1 0 2
@ A @ A
F :

0 0 1
2 0 0 1
2

La u ltima matriz corresponde a un sistema en forma diagonal, en el cual podemos leer, directa-
mente, los valores de las variables: = 3, = 2, = 2 . De modo que, la soluci
x on del sistema es
y z

el vector ( 3 2 2 ) t . El sistema en forma diagonal es este:


; ;

8 8

> x = 3 > x + 0y + 0z = 3
< <

y = 2 o ; 0x + y + 0z = 2
> >
: :

z = 2 0x + 0y + z = 2

Como es usual, no escribiremos terminos de coe ciente cero. 


2.1 Conce pt os bas icos 41

NO TA . Es bueno tener presente que un pivote no se puede realiza sobre una componente
cero. Para mostrar una alternativa, consideremos el siguiente

EJEM P L O 7 Usemos eliminacion Gaussiana, en forma matricial, para hallar el vector solucion
del siguiente sistema de ecuaciones:

x1 x3
+ 2 x4 = 1 2
+ 3

x 2 + 4x 3 + 7x 4 = 1 0

5 x4 = 1 5

2 x3 + 6 x4 = 8 :

La matriz aumentada del sistema lineal es

0 1

1 0 2 3 12

0 1 4 7 10
:
B C

@ A

0 0 0 5 15

0 0 2 6 8

No se puede pivotear en la tercera componente en la tercera la de la matriz aumentada. En este


caso, lo que debemos hacer es, primero intercambiar las las tres y cuatro, y, despues, pivotear
sobre el elemento 2. Despues del intercambio de las las, el proceso completo se muestra enseguida:
0 1 0 1

1 0 2 3 12 1 1 0 2 3 12
2 F3 F1 F3

2
0 1 4 7 10 1 0 1 4 7 10
5 F4 F2 F3
B C B C

@ A @ A
4
0

0
0

0
2

0
6

15
! 0

0
0

0
1

0
3

3
!

F1 F4
0 1 0 1

1 0 0 3 4 + 3 1 0 0 0 13

F2 + 5 F4

0 1 0 5 6 0 1 0 0 9
:
B C B C

F3 3 F4
@ A @ A

0 0 1 3 4 0 0 1 0 5

0 0 0 1

3 ! 0 0 0 1

La u ltima columna en la matriz nal, es precisamente el vector solucion del sistema lineal co-
rrespondiente a la matriz inicial. Esto es, la solucion del sistema en cuestion sera el vector,
s = ( 1 3; 9; 5; 3) t .

EJEM P L O 8 Hallemos una funcion polinomica de la forma

y = a0 + a1 x + a2 x 2 + a3 x 3 ;

cuya gra ca pase por los puntos ( 3 ; 2) , ( 1 ; 2) , (1 ; 5) , ;


(2 1) .


S O L UCI O N Se trata de hallar los coe cientes a0 ; a1 ; a2 ; a3 , con los cuales y tome los valores
2 ; 2 ; 5 ; 1 cuando x = 3 ; 1 ; 1 ; 2 . Sustituyendo estos valores en la funcion objetivo resulta:
42 2 Sistemas lineales

a 0 3 1 + 9 2 27 3 = 2
a a a

a 0 1 + 2
a 3 = 2 a a

a 0 + 1 + 2
a + 3=5 a a

a 0 + 2 1 + 4 2 + 8 3 =
a 2 a a :

La matriz aumentada del sistema es


0

1 3 9 27 2 1

1 1 1 1 2

1 1 1 1 5
B C

@ A
:

1 2 4 8 1

Despues de pivotear, resulta la siguiente matriz aumentada equivalente:


0

1 0 0 0


93
20
1

B 0 1 0 0


221
120
C

0 0 1 0
B C
:
B
23 C

@
20 A

0 0 0 1

41
120

De modo que el sistema tiene la u nica solucion,

a 0 = 93
20 ; a 1 = 221
1 20 ; 2
a = 2023 ; a 3
41
= 1 20 :

Luego, la funcion polinomica requerida es justamente,

y = 93
20 + 221
120 x
23 2
20 x
41 3
120 x : 

2. 1 . 4 Sistemas inconsistentes
Hasta ahora hemos considerado sistemas de ecuaciones muy especiales. Ellos tienen tres car-
actersticas: En primer lugar, cada ecuacion tiene solucion. De modo que, no existen ninguna
ecuacion degenerada con termino constante diferente de cero. En segundo lugar, todas las ecua-
ciones comparten una solucion ( comu n) . Por esta razon, se dice que el sistema de ecuaciones es
consistente. Pero lo que resulta mas atractivo es que la solucion comu n es u  nica . Note que,
por s misma, toda ecuacion lineal no degenerada tiene in nitas soluciones. Pero en los sistemas
anteriores, hay solo un vector que satisface a todas las ecuaciones del sistema. Cuando esto ocurre,
se dice que las ecuaciones en el sistema son independientes. Desafortunadamente tales situa-
ciones tan agradables no son las mas comunes. Dado un sistema de ecuaciones lineales, hay otras
dos posibilidades con respecto a sus soluciones: Que el sistema no tenga ninguna solucion, o que,
2.1 Conce pt os bas icos 43

contrariamente, haya in nitas soluciones, comunes a todas las ecuaciones del sistema. Ambas
situaciones merecen atencion. En esta seccion esudiaremos sistemas sin soluciones, postergando
para la proxima el caso de in nitas soluciones.

Criterio de inconsistencia
Puede decirse que un sistema lineal es inconsistente, por una de dos razones: Porque alguna de las
ecuaciones no tiene solucion, lo cual es equivalente a que dicha ecuacion es degenerada con termino
constante no cero; o porque el sistema es equivalente a uno que tiene una ecuacion degenerada
con termino constante no cero. En este contexto, no es difcil determinar la inconsistencia de un
sistema lineal. Hay dos casos, uno de los cuales es claramente obvio ( Hay una ecuacion degenrada) .
Por ello, prestaremos nuestra atencion a s l en los que todas las ecuaciones son no degeneradas.
Una manera de determinar la inconsistencia de un s l es tratar de hallarle una solucion. Ilustremos
esta idea con unos ejemplos.

EJEM P L O 9 Determinemos la consistencia del siguiente sistema:

x 2y 3z = 2

x 4y 1 3z = 1 4

3 x + 5 y + 4z = 2


S O L UCI O N La estrategia sera, tratar de resolver el sistema, usando el metodo de eliminacion
Gaussiana. Empecemos eliminando de las dos u ltimas ecuaciones restandole la primera a la
x

segunda y sumandole 3 veces la primera a la tercera ecuacion. De esa manera obtenemos el


sistema lineal,

x 2y 3z = 2

2y 1 0z = 1 2

y 5z = 8 :

Debemos dejar en la segunda ecuacion y eliminarla de las otras dos: Primero multiplicamos por
y

1
2 ) la segunda ecuacion:
(

x 2y 3z = 2

y + 5z = 6

y 5z = 8

Despues, la segunda ecuacion la sumamos dos veces a la primera y una vez a la tercera. As
llegamos al sistema

x + 0 + 7z = 10

y + 5z = 6

0 = 2

La tercera expresion del u ltimo sistema es falsa. Esta es una simpli cacion de la expresion 0x +
44 2 S is t e mas line ale s

0 + 0 = 2.
y z De aqu se sigue que cualquier asignacion de valores a , y , que satisfaga las x y z

primeras dos ecuaciones, lleva a la contradiccion de la u ltima ecuacion. En conclusion, no hay


una soluc io n comun para las tres ecuaciones del sistema. La u  ltima ecuacion es degenerada, ya
que tiene la forma 0 + 0 + 0 = 2 y, como sabemos, no tiene solucion. Por lo tanto, el sistema
x y z

es inconsiste nte . 

El procedimiento empleado en el ejemplo anterior, constituye un criterio de caracter general, re-


sumido en el siguiente cuadro.

CRITERIO DE INCONSISTENCIA
Un sistema lineal es inconsistente, si es equivalente a uno que
tiene una ecuacion degenerada con termino constante no cero.

Este criterio se puede aplicar, expresando el sistema en forma matricial, teniendo en cuenta que una
ecuacion degenerada sin solucion, corresponde a una la de solo ceros, excepto su u ltimo elemento.

EJEM P L O 1 0 Determinemos, en forma matricial, la inconsistencia del siguiente sistema:

x+ =3 y z

+x =5 y z

2 +4 4 =1
x y z :

 N
S O L UCI O Empecemos con la matriz aumentada del sistema y luego la transformamos como
se muestra enseguida.

1 1 1 3 1 1 1 3
0 1 0 1

2 1 1

F F

1 1 1 5 3 + 2 0 2 2 2 2 F2

1
!
@ A @ A
F F

2 4 4 1 ! 0 2 2 7

1 1 1 3 + 1 0 0 4
0 1 0 1

1 2

F F

0 1 1 1 2 0 1 1 1

3 2
@ A @ A
F F :

0 2 2 7 ! 0 0 0 5

No es posible pivotear en el u ltimo elemento ( cero) de la tercera columna, lo cual detiene la


aplicacion del metodo. Esto es su ciente para nuestros propositos, ya que la u ltima la de la
u ltima matriz, revela la presencia de una ecuacion degenerada sin solucion. El sistema lineal es,

x =4
y =1z

0 =5z :

La u ltima ecuacion es una expresion falsa, por lo cual, el sistema no puede tener solucion. De
hecho, la inconsistencia del sistema esta indicado por la estructura de la u ltima matriz que resulta
en el proceso del pivote: Una la consta solo de ceros, excepto su u ltimo elemento. 
2.1 Conce pt os bas icos 45

E J E R C IC IO S
1. Us e el metodo de eliminaci
on de G auss para determinar cu
ales de los siguiente sistemas son

inconsis tentes:

8 8 8
>> 2x + 3y z = 3 >> x 7y + z = 3 >> x + 3z = 1 6
< < <
a) x 4y + z = 8 b) 2 x 4y + 3 z = 1 c) 2 x + 7y + 3 z = 6
>> >> >>
x + 2y 3z = 2 ; x 1 3y 3z = 2 ; x + 7y + 1 2 z = 41 ;
: : :

x1 + 2 x2 3 x 3 + 4x 4 = 2 x1 + x2 + x3 = 1
8 8 8
>> 2x + 3y z = 2 >>
><
>>
><
<
d) x y+ z = 1 e) 2 x1 + 5x2 2 x3 + x4 = 1 f) x1 x2 x3 = 2
>> >> >>
:
3x + y z = 0 ; >:
5 x 1 + 1 2 x 2 7x 3 + 6 x 4 = 7 ;
>:
x1 + x2 + x3 = 0 :

2. D etermine los valores del n u


 mero , para que el siguiente sistema sea inconsistente.

x+y z = 1
2 x + 3 y + az = 3
x + ay + 3 z = 2 :

3. D etermine las condiciones que deb en cumplir las constantes a, b y c para que el sistema dado
a continuaci
on, no sea inconsistente.

x + 2y 3z = a
2x + 6y 1 1 z = b
x 2 y + 7z = c :

4. ( Nutri ci 
o n) Para preparar 1 0 libras de un nutriente, con 2 0 0 0 caloras y 1 2 0 0 unidades de

vitaminas, se disp one de tres alimentos A , B y C con las siguientes caractersticas: El alimento A
contiene 5 6 0 caloras y 8 0 unidades de vitaminas p or libra, el B tiene 2 40 caloras y 40 0 unidades
de vitamina p or libra y el C tiene 48 0 caloras y 1 6 0 unidades de vitaminas p or libra.

i) Muestre que en esas condiciones no es p osible obtener la mezcla requerida.

ii) Explique lo que ocurre si se intenta preparar 5 libras del nutriente requerido, bajo las mismas

condiciones.
2. 2 Soluciones in nitas
Como hemos visto, que un sistema lineal tenga solucion u nica o sea inconsistente, no son las dos
u nicas opciones. Existe otra posibilidad. Puede ocurrir que un sistema de ecuaciones lineales
tenga mas de una solucion, caso en el cual hay in nitas. En esta seccion estudiaremos sistemas de
ecuaciones que tienen in nitas soluciones.

2. 2. 1 Redundancia y variables libres

Esencialmente, un sistema de ecuaciones lineales tiene in nitas soluciones, porque hay mas variables
que ecuaciones, lo cual implica la ocurrencia de variables libres. As, por ejemplo, toda ecuacion
lineal, no degenerada, con dos variables o mas, siempre tiene in nitas soluciones, ya que tiene
al menos una variable libre, como vimos al comienzo del captulo. En particular, la ecuacion
3 + 2
x = 5 tiene in nitas soluciones, las cuales se pueden representar por los puntos de una recta
y

en el plano - . x y

De otro lado, si un sistema con igual o mas variables que ecuaciones tiene in nitas soluciones,
entonces, necesariamente algunas de las ecuaciones son redundantes, es decir, dependen de las
otras. En ese caso, tales ecuaciones se pueden eliminar del sistema, resultando un sistema con mas
variables que ecuaciones. Un sistema con in nitas soluciones, es equivalente a otro que tiene mas
variables que ecuaciones, y por tanto con al menos una variable libre. La expresion recproca no
es, necesariamente, verdadera. Hay sistemas lineales con mas variables que ecuaciones, y por tanto
con variables libres, que son inconsistentes, es decir no tienen ninguna solucion. De hecho, tales
sistemas deben ser equivalentes a uno que contiene una ecuacion degenerada con termino constante
no cero. En este contexto, el metodo de eliminacion de Gauss es de caracter general, en el sentido
que permite identi car cual de los anteriores es el caso. Veamos un ejemplo.

EJEM P L O 1 1 Hallemos las soluciones del siguiente sistema:


2 x + 2 y + 4z = 8

x y + 2z = 2 ( 1 7)
x + 5y 2z = 2 :

 N
S O L UCI O Para resolverlo, pongamos el sistema en forma matricial y apliquemos nuestro
metodo habitual:
0 1 0 1

2 2 4 8 1 1 1 2 4 2 1

F F

2 F1

1 1 2 2
! 1 1 2 2 3 + 1
@ A @ A
F F

1 5 2
2 1 5 2
2

0 1 0 1 0 1

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

F F
(
2 ) F2

0 2 0 2
! 0 1 0 1 3 6 F2 0 1 0 1
@ A @ A @ A
F :

0 6 0
6 0 6 0
6 0 0 0
0

72
2.3 Soluciones in nitas 73

La aplicacion del pivote a la tercera componente de la tercera columna no es posible, ya que dicho
elemento es cero. Esto termina el proceso. El sistema correspondiente a la u ltima matriz es

x + 2z = 3

y = 1

0 = 0 :

La u ltima ecuacion es degenerada, ella no involucra ninguna de las variables, por lo cual podemos
suprimirla del sistema. Esta constituye una ec uac io n redundante dentro del sistema. En efecto,
la tercera ecuacion del sistema ( 1 7) resulta de restarle tres veces la segunda ecuacion a la primera.
En smbolos, 3 = 1
E 3 2 . As, el sistema se reduce a
E E

x + 2z = 3

y = 1 :

El proposito es despejar x en la primera ecuacion e y en la segunda:

x = 3 2z ; y = 1 :

El valor de esta determinado con = 1 . Por su parte,


y esta en terminos de Que podemos
y x z

decir de ? Ya que es una variab le lib re , podemos asignar cualquier valor a , para cada uno
z z z

de los cuales obtenemos un valor de . Por ejemplo, tomando = 1 , obtenemos x = 5 , = 1 z x y

. Esto corresponde a la solucion espec ca, ( 5 1 1 ) . La asignacion = 2 , lleva a la soluci


on
; ; z

particular, ( 1 1 2 ) . Como podemos ver, el sistema original tiene in nitas soluciones, ya que
; ;

podemos asignar in nitos valores a . La so l uci o n general del sistema se presenta, usualmente,
z

as:

x = 3 2z

y = 1

z = libre :

Las soluciones que resultan asignando valores particulares a la variable libre z se llaman so l uci o nes

parti cul ares. Asi, para = 0 tenemos la solucion particular ( 3 1 0 ) .


z ; ; 

EJEMPLO 12 Resolvamos matricialmente, el siguiente sistema de ecuaciones lineales, dando


la solucion general y una solucion particular.

x 1 + 2 x2 x 3 + 3 x4 = 5

x 2 + 2 x3 + x 4 = 7 :


SOLUCI ON Ya que en el sistema hay cuatro variables y solo dos ecuaciones, podemos esperar
que haya, por lo menos, dos variables libres. Pivoteando la matriz aumentada del sistema resulta,
   

1 2 1 3 5
! 1 0 5 1 9

1 2 F2

F :
0 1 2 1
7 0 1 2 1
7
74 2 S is t e mas line ale s

N o es p os ible aplicar el pivot e a la ter cer a y cuar t a columnas s in alt er ar las pr imeras dos . D e aqu

obt enemos , ent onces , el s is tema

x 1 5x3 + x 4 = 9

x 2 + 2x3 + x 4 = 7 :

Clar ament e, las u


 lt imas dos variables , x 3 y x 4, s on libres , con lo cual, la soluc i
o n ge ne ral del

s is t ema queda dado p or :

x 1 = 9 + 5 x3 x 4
x 2 = 7 2 x3 x 4
x 3 = libre x 4 = libre :

P ar a x 3 = x 4 = 0 , s e obt iene la soluc i


o n partic ular, ( 9 ; 7; 0 ; 0 ) .

Las s oluciones par ticular es cambian con los valor es que se le as ignen a las var iables libr es . De

modo que, hay in nitas s oluciones ( part iculares ) . 

2. 3. 2 Forma escalonada

En los dos s is t emas que acabamos de dis cut ir hemos us ado la noci
on de variab le lib re . Es te

es de gr an imp or t ancia en aplicaciones tales como Programac i


o n Lineal , una materia b
as ica en

Inve stigac io n de O pe rac ione s. Su de nici


on for mal es t 
a ligada con el tip o de sl en el que se

encuent r a la var iable. P ropiamente, el de un sl en forma e scalonada .

 N
D EFINICI O 1 Se dice que un sl es t
a en forma escalonada , si ninguna ecuaci
on es

degener ada y la pr imer a var iable de cada ecuaci


on es t 
a a la der echa de la pr imer a var iable en la

ecuaci
on ant er ior .

Ens eguida mos tr amos tr es s is t emas en for ma es calonada. El s is tema en el numeral b) es t


a, adem
as ,

en for ma tr iangular . P or su par te, el del numeral c) t iene t r es for mas : es calonada, tr iangular y

diagonal. D e hecho, t odo sl diagonal es t r iangular , p er o no a la inver s a (  explique! ) .

8
>< 3 x1 4x 2 + x 3 + 7x 4 1 2 x5 = 1 0

a) 5x2 + x 3 x 4 8 x5 = 4
>:
x 3 + 9 x4 7x 5 = 1 2 ;

8 8
>< x 1 + 2 x2 x 3 = 1 >< x 1 = 5

b) x 2 + 3 x3 = 7 c) x 2 = 1
>: >:
4x 3 = 2 ; x 3 = 0 :

El concepto de un sl en for ma es calonada es m


as gener al que el de un sl en for ma tr iangular .

Todo sl en forma t riangular es es calonado, p er o no al contr ario. El s is tema en a) es es calonado


2.3 Soluciones in nitas 75

p ero no es triangular. Un s l escalonado, de m ecuaciones y n variables, es triangular s i y s


olo si

m = n.

 2 En un
DEFINICI ON escalonado, una variable libre es aquella que no es la primera
s l

variable en ninguna de las ecuaciones.


De acuerdo con esta de nicion, no hay variables libres en un s l en forma triangular. Estudie con
cuidado el siguiente ejemplo.
EJEMPLO 13 Determinemos las variables libres presentes en cada sistema:
8 8
>< 3 +2
v w 5 +4 + =2
x y z >< 2 + + =3
x y z

a)
>:
2 3 +4 =7
x y z b)
>:
4 3 =1
y z

9 5 =0; y z 5 =4; z

8 8
>< +2
x =2 y z >< 2 +3 =1
y z

c)
>:
+3 + =1
x y z d)
>:
x + 4 =0
y z

2 + 2 = 10 ;
x y z w + x 3 +8 =4
y z :


SOLUCI ON a) Cualquier variable que no sea la primera variable de un escalonado es una sl

variable libre. En este caso, y son libres. w z

b) Cada variable es la primera variable en una ecuacion, luego no hay variables libres.
c) Ya que el sistema no esta en forma escalonada, no se aplica el concepto de variable libre.
d) Intercambiando las ecuaciones primera y tercera, podemos ver que hay una sola variable libre,
que es .  z

La presencia de variables libres es lo que hace que un tenga in nitas soluciones. Por eso,
s l

al resolver un lo primero que debemos hacer es reducirlo a forma escalonada, lo cual se hace
s l,

usando el metodo de eliminacion de Gauss. A este respecto, hay dos resultados posibles, enunciados
en el siguiente teorema:
TEOREMA 1 Dado un escalonado, con ecuaciones y variables:
s l m n

i) Si = , el sistema esta en forma triangular y tiene solucion u nica.


m n

ii) Si , el sistema no esta en forma triangular y tiene


n > m n m variables libres e in nitas
soluciones.
PRUEBA i) En este caso el no tiene variables libres y se puede reducir a una forma
s l

diagonal, de donde obtenemos su solucion u nica.


ii) En el segundo, el sistema tiene in nitas soluciones, debido a que uno puede asignar cualquier
valor a cada una de las variables libres. 

Hay que tener un poco de cuidado al aplicar el teorema anterior. El numeral ii) parece sugerir que,
76 2 S is t e mas line ale s

un s l con mas variables que ecuaciones siempre tiene in nitas soluciones. Eso no es exacto. Si
una de las ecuaciones es degenerada con termino constante diferente de cero, el sistema ni siquiera
tiene solucion. La a rmacion ii) se cumple solo si el s l esta en forma escalonada, como se advierte
en la hipotesis del teorema.

Ilustracion Para ilustrar el teorema, relacionandolo con el metodo del pivote, consideremos
otro ejemplo simple que describe el proceso de combustion del propano, un problema tipco sobre
balanceo de reacciones qumicas.

EJEM P L O 14 ( Combusti o n del propano ) En el proceso de combustion del gas propano,


se mezcla propano 3 8 con oxgeno 2 . Despues de encender la mezcla se obtiene dioxido de
C H O

carbono CO 2 y agua H 2 O. La reaccion incluye una generacion de calor por transformacion de la


energa requerida en el proceso. La ecuacion de la reaccion qumica es

C 3 H8 + O 2 ! CO 2 + H 2O :

El problema es que la ecuacion qumica que tenemos en la formula, no nos da una informacion
completa acera de la reaccion. La razon es que no es ci erto que una molecula de propano mas
una molecula de oxgeno produzcan (por combustion) una molecula de dioxido de carbono y una
de agua. En realidad cada una de esas sustancias participan en la reaccion con ciertas proporciones
jas. La pregunta es entonces, cuantas moleculas de cada sustancia intervienen en la reaccion?

Combusti
on del propano

 N
S O L UCI O Necesitamos determinar cantidades exactas de cada molecula para completar la
formula de manera precisa. Si 1 representa el nu mero de moleculas de propano, 2 el numero
x x

de moleculas de oxgeno, 3 las moleculas de dioxido de carbono y 4 las de moleculas de agua,


x x

la ecuacion de la reacion qumica es

x 1 3 H8
C + x 2 O 2 ! x 3 CO 2 + x 4 H2 O :

Ahora bien, de acuerdo con la realidad de la situacion, notemos que nuestras variables estan
sometidas a las siguientes condiciones:
2.3 Soluciones in nitas 77

 Los numeros x 1 ; x 2 ; x 3 ; x 4 , son enteros positivos.

La razon para esto es que no podemos tomar un numero negativo de moleculas en una reaccion.
La segunda condicion se re ere a la ley de conservacion de la materia. De acuerdo con dicha ley,

 El numero de atomos en las moleculas del lado izquierdo de la ecuacion es igual al numero de
atomos en las moleculas del lado derecho.
En otras palabras, esto dice que en la reaccion qumica los atomos formaran parte de moleculas
diferentes pero que ningun caso se destruye y no se crea ningu n atomo nuevo. As, el numero de
atomos antes de la reaccion es el mismo numero que hay despues de la reaccion. Empecemos por
aplicar este principio a cada atomo:
Izquierda ! D erecha

Carb ono 3 x1 ! x 3

Hidr
ogeno 8 x1 ! 2 x4

O x{ geno 2 x2 ! 2 x 3 + x 4

De este analisis, obtenemos el siguiente sistema lineal de ecuaciones:


3x1 = x 3

8x1 = 2 x4

2x2 = 2 x 3 + x 4

Para resolver este sistema, trasladamos todas las variables al lado izquierdo para expresar el sistema
en forma estandar:
3x1 x 3 = 0

8 x1 2 x4 = 0

2 x2 2 x 3 x 4 = 0

Todos los terminos constantes (en el lado derecho) son ceros, de modo que se trata de un sistema
homogeneo. Com sabemos, los sistemas homogeneos siempre tienen la soluc ion trivial O =
( 0 0 0 0 ) . En otros terminos, el sistema se resuelve tomando
t
; ; ;

x 1 = 0 ; x 2 = 0 ; x 3 = 0 ; x 4 = 0 :

Esta solucion no tiene sentido en nuestro problema, pues dice que mezclando por combustion
cero moleculas de propano con cero moleculas de oxgeno, se obtiene cero moleculas de dioxido
de carbono y cero moleculas de agua. Obviamente esa solucion no es interesante. Queremos una
solucion no-trivial. Para hallar una tal solucion, consideremos la matriz aumentada del sistema, y
le aplicamos el metodo de eliminacion de Gauss:
78 2 Sistemas lineales

3 0 1 0 0 1 0 0 1
0
0 1
0 1

Pivote 4

8 0 0 2 0 0 1 0 0

5

B C

!
@ A

4
0 2 2 1 0
@ A

0 0 1 0


3

Rotulando las columnas de la u


 ltima matriz aumentada con las variables respectivas queda as:

x 1 x 2 x 3 x 4
1 0 0 1
0
0 1

0 1 0 0

B
5 C

@
4 A

0 0 1 0

De inmediato vemos que x 4 es una variable libre y que el sistema de ecuaciones se puede expresar
como:

x 1 = 14 x 4 x 2 = 45 4 x

3
3 = 4 = libre
x
4 x 4 x

El sistema tiene in nitas soluciones, pero el problema tiene una restriccion: Los vaores de las
variables deben ser enteros positivos. Para satisfacer esa condicion, debemos asignar a 4 valores x

que sean multiplos de cutro. Por simplicidad, tomemos 4 . Esto produce los valores x =4
x 1 =1 ; x 2 =5 ; x 3 =3 ; x 4 =4 :

De modo que, la combustion de cada molecula de propano con 5 moleculas de oxgeno produce
3 moleculas de dioxido de carbono y 4 moleculas de agua. La ecuacion de la reaccion qumica
balanceada es entonces,

1 C 3 H8 + 5 O 2 ! 3 CO 2 + 4 H 2O :

Ahora que la ecuacion de la reaccion qumica esta balanceada, el trabajo esta terminado. 

Cuando uno se enfrenta a un sistema lineal de ecuaciones, debe esperar una de tres posibilidades
con respecto a la solucion: Que sea u  nica, que haya un nu mero in nito de ellas o, simplemente,
que no exista ninguna solucion. A primera vista, puede parecer extrano que haya sistemas de
ecuaciones con solucion u
 nica, otros con in nitas soluciones y otros sin solucion. Para dar una idea
de como puede ser esto posible, consideremos el siguiente sistema de ecuaciones lineales con dos
variables:

a1x + b 1y = c 1 ; 2x
a + b 2y = c 2 :

Cada ecuacion se puede representar en un plano - por una recta. Una solucion de cada ecuacion
x y

corresponde a un punto de la recta respectiva.


2.3 Soluciones in nitas 79

y y y

x x x
a b c
fig. 8

Ahora bien, hay tres posibilidades con respecto a las gra cas de las ecuaciones en el sistema
anterior, las cuales dependen de la naturaleza de las soluciones del sistema. Las posibilidades
estan ilustradas en la gura 1 , de donde se concluye:

1 . CO NSIS TENCIA . Las dos lneas rectas se interceptan en un punto, como se muestra en la gura
1 -a. En este caso el sistema tiene una u nica solucion, la cual corresponde al punto de interseccion.

2. INCO NSIS TENCIA . Las dos rectas son paralelas (1 -b); no se interceptan y, consecuentemente,
no existe una solucion que satisfaga las dos ecuaciones.

3. REDUNDANCIA . Las dos ecuaciones estan representadas por la misma lnea recta (1 -c). Esto
ocurre si una ecuacion es un mu ltiplo escalar de la otra. Por ejemplo, 3 2 = 1 y 6 4 = 2 x y x y

se representan por una misma recta en el plano - . En este caso cada punto de la recta es una
x y

solucion para ambas ecuaciones y el sistema tiene in nitas soluciones.

E J E R C IC IO S
5. Determine cuales de los siguiente vectores son soluciones de la ecuacion,
x 1 + 2x2 4x 3 + x 4 = 3 :

a) u = ( 3 ; 2; 1 ; 0) ; b) v = ( 1 ; 2 ; 4; 5 ) ; c) w = ( 2; 0; 3; 4) .
6. Determine si u = ( 6 ; 4; 2) es o no es una solucion del sl
x 1 + 3 x2 + x 3 = 4

6 x 1 + 4x 2 2x3 = 8 :

7. Determine cuales de los vectores u = ( 1 ; 2; 1 ) , v = ( 2; 3; 1 ) y w = ( 1 4; 8 ; 2) (o


ninguno) es una solucion del sistema
80 2 Sistemas lineales

x + 2 3 3=0
1 x x

3 1+2 2+ 3=0
x x x :

8. Describa todas las soluciones de cada uno de los siguientes sistemas:

( (
3 x 2 = 1 y 2 +3 =8
y x

+3 =7 +2 = 5
a) ; b) .
x y y x

9. Use el metodo de sustituci


on regresiva para resolver el siguiente sistema

2 w 3 +5 2
x y z =9
5 +3x y z =1
7 y z =3
2 z =8 :

1 0. Describa los sistemas de ecuaciones lineales correspondientes a las siguientes ecuaciones

matriciales, de acuerdo con las matrices y vectores dados abajo:

a) A  x = b; b) B  y= O; c) C  x = d.
0 1
2 4    
A = 1 3A
@ , B = 31 54 02 , C = 30 05 ,

5 2 0 1 0 1
  3  
d = 31
1
y

x= x 1
, y=@ 2
y
A , b=@ 2A , .
x 2
3
y 8
11. Exprese en forma matricial el siguiente sistema, y use el metodo de eliminaci
on de G auss

para resolverlo.

2 1 + 3 2 4 3 = 16
x x x

5 1 2 2 6 3= 5
x x x

6 1+ 2+5 3=0
x x x :

1 2. Represente cada sistema, vectorialmente y en forma matricial:

8 8
>> 3 1+2
x x3 3+
2 x x 4 = 7 >> 1 + 2 =1
>>
x x

>< >>
1 +
x 2 + 3 +
x x x 4 = 0 < x 2 + 3
x =0
a) b)
>>
>> x 1 + 3+ x x 4 = 1
>>
>> 3 + 4 =
x x1
>: :
x 1 + 2 + 3
x x =2; x 1 + 4=0 x :

1 3. Escriba la matriz aumentada correspondiente al sistema lineal,


2.3 Soluciones in nitas 81

x 1 + x 2 =0
x 2 + 3 x =0
3 + 4
x =0 x

4 + 5 =0 x x :

1 4. Para el siguiente esquema matricial, determine el sistema lineal correspondiente y realice el


pivote comleto sobre el esquema:
0

2 0 6 4 0

10 1

0 1 2 4 2 0

0 0 0 0 1 4
B C

B C

0 0 0 1 6 0
B C

@ A

0 0 3 9 6 12

1 5. Describa el sistema de ecuaciones lineales, correspondiente a cada esquema:

3 0 2 5 0 0 1 1
0 1 0 1

2 1 6 7 0 1 0 1

a) @ A
; b) @ A
.
0 2 4 9 1 0 0 1

1 6. Resuelva cada sistema, usando el metodo de G auss en forma matricial.

+ +4 =3 2 6 +4 = 6
8 8

> x y z > x y z

4 + 2 = 6 + 2 =1
< <

a) x y z b) x y z

3 +2 =1 ; 3 +2 =2;
> >
: :

x z x y z

+2 2+3 3=4 2 1 + 2 + 4 3 = 16
8 8

> x 1 x x > x x x

4 1+5 2+6 3= 2 3 1 + 2 2 + 3 = 10
< <

c) x x x d) x x x

7 1 + 8 2 + 27 3 = 1 0 ; 1 + 3 2 + 3 3 = 16 ;
> >
: :

x x x x x x

+2 2+3 3+4 =5 + + =6
8 8

>
>
x 1 x x x 4 >
>
x 1 x 2 x 3

2 1+ 2+4 3+ 4 = 2 1 + + 4=9
> >
> >
> >

2
< <
x x x x x x x

e) f)
>
>
>
>
3 1+4 2+ 3+5
x x x x 4 = 6
>
>
>
>
x 1 + 3+ 4= 3 x x

2 1+3 2+5 3+2 4 = 3 ; 2 + 3 + 4 = 12 ;


> >
: :

x x x x x x x

1 7.Use un sistema de ecuaciones lineales para resolver cada problema por el metodo de eliminacion
de Gauss:

i) ( Procesamiento de carnicos) Una empacadora procesa dos tipos de carne. Cada unidad
de carne del tipo A contiene 1 . 5 lbs de grasa y 8. 5 lbs de carne magra; mientras que cada unidad de
carne del tipo B, contiene 1 lb de grasa y 9 lbs de carne magra. La empacadora tiene disponibles
1 2 lbs de grasa y 80 lbs de carne magra. Cuantas unidades de cada tipo de carne puede empacar,
utilizando la grasa y la carne magra disponibles, sin dejar desperdicios?

ii) ( Fertilizantes) Se desea combinar tres sustancias, A, B y C, para formar tres fertilizantes.
Cada unidad del fertilizante 1 requiere 1 0 lbs de la sustancia A, 30 lbs de B y 60 lbs de C. Cada
unidad del fertilizante 2 requiere 20 lbs de A, 30 de B y 50 de C. Cada unidad del fertilizante 3 se
82 2 S istemas lineales

fabrica con 50 lbs de A, y 50 lbs de C. Si se tiene disponibles 1 600 lbs, 1 200 lbs y 3200 lbs de las
sustancias A, B y C, respectivamente, cuantas unidades de cada fertilizante se pueden fabricar,
empleando toda la materia prima?

iii) ( Elaboracion de una dieta) Un dietista desea planear una comida a partir de tres alimen-
tos. Cada onza del alimento 1 contiene 1 0% de los requerimientos diarios de carbohidratos, 1 0% de
protena y 1 5% de vitamina C. Cada onza del alimento 2 contiene 1 0% de los requerimientos diarios
de carbohidratos y 5% de protenas. Cada onza del alimento 3 contiene 1 0% de carbohidratos, 25%
de protenas y 1 0% de vitamina C. Cuantas onzas de cada alimento se deben servir para ofrecer
exactamente los requerimientos?

iv) ( Te rmica) Considere la distribucion de temperaturas en el interior de una red, de seccion
cuadrada, cuyos valores se indican en la gura 2. Se quiere conocer las temperaturas 1 , 2 , 3 T T T
T
y 4, de puntos uniformemente espaciados en el interior de la red. Suponga que la temperatura
en cada punto del interior de la red es el promedio de las temperaturas de los cuatro puntos mas
cercanos (norte-sur-este-oeste). Calcule las temperaturas desconocidas.

11o 3o

T1 T2
7o 5o
T3 T4
3o 15 o

5o 19o
fig. 11

v) ( P lan de inversiones) Una cooperativa desea invertir parte de los ahorros de sus a liados,
con el proposito de obtener ingresos adicionales por 8 millones de pesos. De acuerdo con las normas
vigentes, la cooperativa puede invertir en bonos, certi cados de deposito e hipotecas. Los primeros
pagan el 1 4%, los certi cados el 1 5% y las hipotecas el 1 2%. Una reglamentacion ordena que
la cantidad invertida en bonos y certi cados debe ser el triple de la invertida en hipotecas. En
la u
 ltima asamblea de socios, se acordo invertir $1 0 millones en certi cados de deposito. Que
cantidad debe colocar en cada inversion?

vi) ( Espectaculos) Para un concierto se vendieron 78 entradas (sillas), con un ingreso total de
$483000. Los precios de las entradas eran de $2500 unas y de $1 0500 las otras. Cuantas entradas
se vendieron de cada precio?

vii) ( S oluciones qumicas) ) Un laboratorista dispone de dos soluciones acidas. Una al 1 5%


(de acido) y la otra al 6%. Cuantos 3
cm
de cada solucion debe utilizar para obtener 400 3
de cm
solucion al 9%?

1 8. Muestre que si A es invertible, entonces A se puede expresar como el producto de matrices


elementales, digamos, A=E E 1 2    n.E
2.3 Soluciones in nitas 83

1 9. Resuelva el problema fsico en la introduccion de este captulo.

2 0. ( Reacciones qumicas) El hidroxido de potasio reacciona con el acido fosforico, pro-


duciendo fosfato de potasio y agua. Su reaccion qumica tiene la forma

KOH + H3 PO 4 ! K3 PO 4 + H2 O :
Determine el balance de la reaccion.

21 . En cierto sentido, el siguiente sistema no es lineal:

2 sen cos + 3 tan = 3


4sen + 2 cos 2 tan = 1 0
6 sen 3 cos + tan = 3 :
Sinembargo, podemos usar el metodo de G auss para resolverlo. Hagalo. El sistema tiene solucion?

2 2. Muestre que, la multiplicacion a la izquierda de una matriz A por una matriz elemental E,
representa una operacion elemental sobre las las de A .

2 3. Se dan cuatro enteros positivos. Escoja tres cualesquiera de ellos, halle su media aritmetica,
y al resultado adicionele el cuarto entero. As se obtienen los nu meros primos , , , y el 1 7 23 29
nu mero 21
. Un enterero original era:

a) 17, b) 19 , c) 21 , d) 23 , e) 29 .
2 4. Use el metodo de eliminacion de G auss, en forma matricial, para hallar las variables libres,
la solucion general y una solucion particular en cada uno de los sistema de ecuaciones que se dan
a continuacion.
8
( >>> x+y 2z + 2w = 5
x + 5y + 3z = 9 < 2x + y 4z + w = 5
a) b)
2 x + 9 y + 7z = 5 ; >>> 3 x + 4y 6 z + 9 w = 20
:
4x + 4y 8 z + 8 w = 20 ;
8
8 >>> 3x + 2y = 5
>< 2 x 1 + 4x 2 4x 3 4x 4 = 24 < x + 3y = 2
c) 3 x 1 6 x 2 + 1 0 x 3 1 8 x 4 = 8 d) >
>: >>: 5x + 2y = 6
x 1 2 x 2 + 4x 3 1 0 x 4 = 2 ;
6 x + y = 39 :
2 5. Muestre que el siguente sistema no tiene solucion:

4x 1 2 x 2 6 x 3 = 1 2
2 x1 + x2 + 3 x3 = 5 :
2 6. Use el metodo de eliminacion de G auss, en forma matricial, para resolver los siguientes
sistemas de ecuaciones. En cada caso, indique si el sistema es consistente o inconsistente.
84 2 Sistemas lineales
8 8
>< x + 2y + 3z = 4 >< x + 3z = 1 6

a) 4x + 5 y + 6z = 2 b) 2 x + 7y + 3z = 6
>: >:
7x + 8 y + 2 7z = 1 0 ; x + 7y + 1 2 z = 41 ;

8 8
>< x + 3z = 8 >< x + 5y + 3z = 2

c) 2 x + 7y + 3z = 3 d) x + y + z = 2
>: >:
x + 7y + 1 2 z = 2 1 ; 1 3 x + 4y + 7z = 4 ;

2 7. Suponga que y son matrices de orden dos para las cuales la u nica solucion de las
A B

ecuaciones x = O y x = O es la trivial x = O . Muestre que la u nica solucion del sistema


A B

(AB ) x = O es la trivial x = O .

2 8.Para que valores que , el siguiente sistema tiene:


k

a) Solucion u nica; b) Ninguna solucion; c) In nitas soluciones.


x + y z = 1

2x + 3y + kz = 3

x + ky + 3z = 2 ;

d) Resuelva el sistema anterior para k = 2 .


2 9. Resuelva el problema qumico de la introduccion de este captulo.
3 0. ( O l i mpi adas rusas) Resuelva el siguiente sistema, y determine los valores de a para que el
sistema no tenga soluciones y para que tenga in nitas soluciones.
2
ax + y = a

x + ay = 1 :

31 . Responda la misma pregunta del ejercicio anterior para el sistema,


3
ax + y = a ; x + ay = 1 :

3 2. Halle los valores de y para que el siguiente sistema tenga: a) solucion u nica; b) in nitas
h k

soluciones; c) ninguna solucion:


x 1 + h x 2 = 1

x 1 + 2 x2 = k :

Pruebe que si u y v son soluciones de un sistema lineal homogeneo,


3 3. A x = 0 , entonces,
u v tambien es una solucion.
+

3 4. Muestre qure ( 2s + 1 2t + 1 3; s; s 3t 3; t) es una solucion del sistema


2 x1 + 5 x2 + 9 x3 + 3 x4 = 1

x 1 + 2 x 2 + 4x 3 = 1

3 5. Halle los valores de , a b y , para que el siguiente sistema tenga la solucion x = ( 3


c ; 1 ; 2) .
2.3 Soluciones in nitas 85

x 1 + a x 2 + c x 3 = 0

b x 1 + c x 2 3 x 3 = 1

a x 1 + 2 x 2 + b x 3 = 5 :

3 6. Halle los valores de para los cuales el siguiente sitema tiene: a) solucion u nica; b) in nitas
a

soluciones; c) ninguna solucion:


x 1 + 2 x 2 x 3 = 4

3 x 1 x 2 + 5 x 3 = 2

2
4 x1 + x 2 + (a 1 4) x 3 = a + 2 :

3 7. Determine los valores de , A B y C , que satisfacen la sigueinte relacion de fracciones parciales:


x 5 A B C
a) = + +
x
3 + 3x
2 + 2 x) x x + 1 x + 2

2
x x + 3 Ax + B C
b) = + :
(x
2 + 2) ( 2x 1) x
2 + 2 2x 1

3 8. Halle una ecuacion cuadratica de la forma y = ax


2
+ bx + c para la parabola que contiene
los puntos ( 2 2 0 ) , ( 1 5 ) , ( 3 2 5 ) .
; ; ;
2. 3 Aplicaciones basicas

En esta seccion queremos dar atencion a un aplicaciones de sistemas lineales en el calculo de la


inversa de una matriz cuadrada.

2. 3. 1 Inversa de una matriz

Como hemos visto, las matrices estan estrechamente relacionadas con sistemas lineales. En las
secciones anteriores usamos matrices en la aplicacion del metodo de eliminacion Gaussiana.Veamos
que la notacion matricial de un s l se puede usar con mas e ciencia, introduciendo el concepto
de matri z i nversa. Esto nos proveera un nuevo metodo para resolver ecuaciones, llamado, de
hecho, el meto do de l a matri z i nversa. Las situaciones en las cuales el nuevo metodo resulta
mas e ciente, son aquellas en las que los terminos constantes cambian sistematicamente. Estos
casos son comunes, tanto en Economa, como en problemas de produccion industrial, cuando los
terminos constantes representan requerimientos que estan sometidos a cambios imprevistos, por
diversas razones (disponibilidad de recursos, polticas gubernamentales, etc.) Para entrar en el
tema, consideremos el sistema
4 x +5 =1
z

y 6 =4
z (1 8)
3 x +4 =5
z :

Representemos las variables como el vector columna x, los terminos constantes por el vector
columna b y los coe cientes de las variables por la matriz . As: A

0 1 0 1 0 1
x 1 4 0 5
x=@ A y b = @ 4A
; = @ 0 1 6A
; A :

z 5 3 0 4
Entonces, el sistema (1 8) se puede representar en forma matricial como
0 10 1 0 1
4 0 5 1
x

@0 1 6 A @ A = @ 4A o
y x=b ; ; A : (1 9)
3 0 4 z 5
Esta ecuacion matricial es equivalente al sistema de ecuaciones (1 8). As que, resolver el sistema
(1 8) equivale a determinar las componentes del vector x que satisface la ecuacion matricial (1 9).
La clave aqu esta en que la forma matricial del sistema (1 9) es analoga a la ecuacion numerica de
algebra ordinaria,
ax = b :

Recordemos que para resolver esta u ltima ecuacion, basta multiplicar en ambos lados de la ecuacion
por el inverso de , denotado por 1 . Por conveniencia, revisemos el proceso algebraico elemental:
a a

94
2.3 Aplicacione s bas icas 95

ax = b ) a
1
( ax ) = a
1
b )( a
1
a) x = a
1
b )1 x = a
1
b ) x = a
1
b :

Es importante senalar que el procedimiento anterior es valido solo bajo el supuesto que el coe ciente
asea dieferente de cero. La razon es que cero no tiene un inverso multiplicativo.

El analogo matricial del nu mero 1 es la matriz identidad . Para extender el proceso de resolver I

ax = , a la ecuacion matricial (1 9), necesitamos disponer de una matriz, la cual denotaremos por
b

A
1
, tal que  1 = . Su de nicion formal es la siguiente:
A A I


D EFINICI O N 3 Dada una matriz cuadrada A , si existe una
1
matriz A tal que,

A  A
1
= A
1
 A = I ;

1
se dice que A es i nverti bl e y A se llama la i nversa de A .

Hay varias cosas que debemos anotar, con respecto a la de nicion anterior:

a) Solo las matrices cuadradas pueden tener inversa.


1 1 1
b) Si Aes la inversa de , obviamente A A es la inversa de A , es decir A y A son mutuamente
inversas la una de la otra.
c) Finalmente, el producto de matrices inversas es conmutativo.

TEO REM A 2 ( Unicidad de la mat riz inve rs a) Si una matriz tiene inversa, ella es
u
 ni ca .

P RUEBA Supongamos que B y C son inversas de la matriz A . Entonces,

AB = BA = I , y AC = CA = I . Pero as,

AC = I ) BA C = BI ) ( BA ) C = B ) IC = B ) C = B :

 No hay dos matrices inversas diferentes para una matriz invertible. 

Un hecho importante a tener en cuenta es que, no toda matriz cuadrada tiene inversa. Si una
matriz cuadrada no tiene inversa se dice que es si ngul ar . Si una matriz cuadrada tiene inversa,
se dice que es i nverti bl e o no -si ngul ar . Por ejemplo, la matriz de la ecuacion matricial (1 9) A

es invertible y su inversa es
0 1
4 0 5

= @ 24 A
1
A 18 1 :

3 0 4

Es un buen ejercicio para el estudiante, veri car que, en efecto,


96 2 Sistemas lineales
0 10 1 0 1
4 0 5 4 0 5 1 0 0

 = @ 6 A @ 24 A = @ 0 A
1 1
A A 0 1 18 1 0 1 = I 3 = A A :

3 0 4 3 0 4 0 0 1

Este resultado lo podemos aprovechar para resolver la ecuacion matricial (1 9). Imitando el proce-
dimiento de resolucion en algebra ordinaria, tenemos:
A x b ) 1 x
= A (A ) = A
1
b ) (A
1
A) x = A
1
b )
I x 1
=b ) x
A = A
1
b :

Sustituyendo A
1
y b, encontramos el vector solucion x como lo indica la u ltima ecuacion.
Propiamente,
0 10 1 0 1
4 0 5 1 21

x= @ 18 1 24 A @ 4A = @ 1 06 A :

3 0 4 5 17

Este metodo trae ventajas, principalmente cuando la matriz de los coe cientes del sistema corres-
ponde a los coe cientes tecnicos de alguna situacion macroeconomica o industrial, en las cuales, el
vector b cambia frecuentemente, en perodos cortos de tiempo. Si por ejemplo, en el sistema (1 8)
el vector b fuera ( 3 5 2 ) t , la solucion del nuevo s l se obtendra directamente con la inversa
; ;

de , como sigue:
A

0 10 1 0 1
4 0 5 3 2

x = @ 1 8 1 24 A @ 5 A = @ 1 1 A :

3 0 4 2 1

E J E R C IC IO S
3 9. Resuelva la ecuacion (1 9) de la pagina 94, usando la inversa, cambiando el vector constante
por:
a) b = ( 1 ; 1; 1)
t
, b) b = ( 1
, c) b = ( 0 ; 0; 1 )
t
; 0; 0)
t
.
0 1
0 0 0

40. Para la matriz triangular inferior = @ 1 A 0 0 A :

4 3 0

a) Muestre que (I A)
1
= I + A + A
2
, veri cando la ecuacion matricial,
2
(I A) (I + A + A ) = I :

b) Use a) para computar (I A)


1
.
41 . Sea A una matriz 3  3 , con
= ( aij ) aij = 0 si  . Muestre que:
i j

a) A
n
= O , para todo 3. n

b) (I )(
A + +
I
2
) =
A
3
= .
A I A I
2.3 Aplicacione s bas icas 97

c) Concluya que + + I A A
2
es la inversa de ( ). I A

d) La diagonal principal de (I A )
1
consta solo de unos.
42. a) Repita el ejercicio anterior para una matriz triangular inferior (3  3) .
b) Use el ejercicio anterior para hallar ( )
1
en cada caso: I A

0 1 0 0 0 0 0
1
B 0 C
0 0 0

a) = @ 0 A , b) A .
5 0 0
A 3 0 A = @
4 1 0 0
1 2 0
2 1 3 0

2.3.2 Calculo de la inversa

Veri car que una matriz es la inversa de otra no es difcil, pero hallar la inversa es otra cosa. Para
obtener la inversa 1 que acabamos de exhibir, la idea consiste en hallar una columna de 1 a
A A

la vez. Con esto en mente, tomemos


0 1
1 2 3 x x x

= @ A
1
1 2 3 A y y y ;

z 1 z 2 z 3

y hallemos sus componentes, de tal manera que se satisfaga la ecuacion A  A


1
= I , es decir,
0 10 1 0 1
4 0 5 1 2 3 1 0 0 x x x

@0 1 6 A @ 1 2 3
A = @ 0 1 0A y y y ( 20 )
3 0 4 z 1 z 2 z 3 0 0 1

Para hallar cada una de las columnas de 1 , notemos que las componentes de la primera columna,
A

en el lado derecho de (20), se obtienen multiplicando las las de por la primera columna de 1 . A A

Analogamente, las segunda y tercera columnas se obtienen multiplicando las las de , por las A

correspondientes columnas de 1 . As, a partir de (20) podemos obtener un s l para cada columna
A

de 1 . En forma matricial, estos sistemas son:


A

0 10 1 0 1 0 10 1 0 1
4 0 5 1 1 4
x 0 5 2 0 x

@0 1 6 A @ 1
A = @ 0A @0 1 y 6 A @ 2
A =@ 1A y; y ;

3 0 4 z 1 0 3 0 4 z 2 0

0 10 1 0 1
4 0 5 x 3 0
@ 0 1 6 A @ y 3
A = @ 0 A :

3 0 4 z 3 1

Una simple observacion basta para darnos cuenta de que, los tres sistemas di eren, basicamente,
solo en el lado derecho. Como una consecuencia, al aplicar eliminacion Gaussiana, es obvio que los
calculos en el lado izquierdo son los mismos, independientemente de los nu meros que aparecen en el
98 2 S is t e mas line ale s

lado derecho. Esto nos indica la posibilidad de resolver los tres sistemas en forma simultanea. Para
ello, basta disponer los tres vectores que corresponden a los terminos constantes, al lado derecho
de la matriz de los coe cientes, comun a los tres sistemas. El resultado es la matriz aumentada,
que se muestra a continuacion.
0 1

4 0 5
1 0 0

@
0 1 6
0 1 0 A
:

3 0 4
0 0 1

Ahora procedemos a efectuar operaciones elementales sobre las las, para reducir la parte izquierda
a la forma diagonal usual. Estas operaciones transforman las columnas de los terminos constantes,
en las soluciones respectivas de los tres sistemas. En sntesis, (las columnas de) la inversa, 1
, A

aparecera ante nosotros en el lado derecho de la forma matricial nal.

5 1
0 1 0 1

4 0 5
1 0 0 1 1 0
0 0
4 4
4 F1 3 3 F1

F
0 1 6 0 1 0
! 0 1 6 0 1 0
!
@ A @ A

3 0 4
0 0 1 3 0 4
0 0 1

5 1 5 1 5
0 1 0 1

1 0 0 0 1 0 0 0 1 4 F3

F
4 4 4F3 4 4
0 1 6 0 1 0
! 0 1 6 0 1 0 2 + 6 F3
@ A @ A
F

1 3
!

0 0
0 1 0 0 1
3 0 4
4 4

0 1 0 1

1 0 0
4 0 5 4 0 5

) 1

@
0 1 0
18 1 24 A
= A = @
18 1 24 A
:

0 0 1
3 0 4 3 0 4

Con una corta observacion, notaremos que, para hallar la inversa de , creamos un esquema A

de la forma ( j ) , en donde es la matriz identidad del mismo orden que . Luego, mediante
A I I A

transformaciones elementales sobre las las del esquema, lo cambiamos en otro de la forma ( j 1 ) . I A

El procedimiento que acabamos de realizar es de caracter general. Esto es, con el podemos hallar
la inversa de cualquier matriz no-singular. Por comodidad, el metodo aparece resumido en el
siguiente cuadro:


C AL CUL O D E L A INVERS A

Para hallar la inversa de una matriz no-singular : A

1 . Empiece con el esquema ( j ) . A I

2. Mediante operaciones elementales sobre las las, lleve el es-


quema a la forma ( j ) . I B

3. Tome 1
= A B

Hay un problema delicado en la aplicacion del metodo que acabamos de indicar. Cuando se tiene
2.3 Aplicacione s bas icas 99

una matriz arbitraria , ella no se muestra a s misma como singular o no-singular. Esto crea una
A

indecision en la aplicacion del metodo. No obstante, el proceso se puede iniciar. Dado el caso que
la matriz sea singular (sin inversa), en algu n paso del proceso se llega a un esquema no deseado,
del cual es imposible llegar a la forma nal ( j ) . Esto nos permite conclur que la matriz dada
I B

no tiene inversa.
0 1

4 0 8

EJEM P L O 1 5 Mostremos que @


0 1 6 A
no tiene inversa.
2 0 4

 N
S O L UCI O Para aplicar el metodo anterior, empecemos con el esquema (A j I) , y realicemos
operaciones elementales sobre las las:

1
0 1 0 1

4 0 8
1 0 0 1 0 2
0 0
4
!

@
0 1 6
0 1 0 A @
0 1 6
0 1 0 A
:

2 0 4
0 0 1 0 0 0
0 1
2

No podemos pivotear en el tercer elemento de la tercera columna, sin deformar las dos primeras. En
otros terminos, al menos uno de los sistemas lineales, implcitos en el esquema, no tiene solucion.
De aqu podemos concluir, inmediatamente, que la matriz dada es singular, esto es, no tiene inversa.
Un interrogante surge de una manera natural, el cual dejamos planteado al estudiante, como un
buen ejercicio: Hay tres sistemas involucrados en el esquema del calculo de la inversa. Cual de
ellos es el que no tiene solucion? Ninguno de ellos? Es posible que ninguno de los tres sistemas
(con los cuales se determinan las tres columnas) tenga solucion? Explique su respuesta.

E J E R C IC IO S
0 1
1 0

1 1
1

1 1 1 0
2 2
1 1
43. Muestre que @
1 1 1 A
= @

2 0
2
A
.
1 1
1 1 1 0
2 2

44. Clasi que cada matriz como singular o invertible . Compute la inversa de cada matriz
invertible:
0 1 0 1 0 1

3 1 0 1 3 1 1 0 0

A = @
2 2 2 A
; B = @
1 2 0 A
; C = @
2 1 2 A
;

11 3 1 2 11 3 1 2 1

45. Para cada una de las matrices y del ejercicio anterior, encuentre un vector no-cero, cuyo
B D

producto con la respectiva matriz sea cero.

2
46. Se dice que una matrz A de orden n es idempotente si A = A .

i) Pruebe que si A es idempotente, (I A) tambien es idempotente.


 

1 1 1
ii) Muestre que la matriz es idempotente.
2 1 1
1 00 2 Sistemas lineales

47. Sean A y P dos matrices caudradas de orden n. Muestre que si A es simetrica, entonces,
Pt A P es simetrica.
 
48. Veri que que 3

2
4

3
es su propia inversa.

49. Suponga que A y B son matrices invertibles. Muestre que su producto, AB es invertible
y que su inversa es B 1 A 1 , esto es,
( AB) 1
= B 1A 1
:
 
Demuestre que a b es invertible, si y solo si, ad bc 6= 0 .
5 0.
c d
51 . Muestre que si una matriz A tiene inversa, A 2 tambien, y ademas ( A 2 ) 1
= ( A 1 2
) .
Extienda el resultado para A n.
5 2.Suponga que A y B son matrices de orden n tales que AB = O .
Muestre que si una de A o B tiene inversa, entonces la otra matriz es cero.
5 3. Suponga que A es una matriz invertible.
Muestre que su transpuesta, A t tambien es invertible y que
( At ) 1
= ( A 1
)
t :

5 4. Demuestre que si A es una matriz invertible, entonces:


i) A 1 es invertible y ( A 1 ) 1 = A .
ii) A m es invertible y ( A m ) 1 = ( A 1 ) m ; 8m 2 N .
iii) A es invertible y ( A ) 1 = 1 A 1 ; 8 6= 0 .
5 5. Muestre que si A n = O , para algun n 2 N , entonces, A es singular.
2. 4 Determinantes
En el captulo anterior discutimos un procedimiento para analizar y resolver sistemas lineales. Pese

a su e ciencia, el metodo de G auss-Jordan, se queda corto para estudiar temas de gran profundidad

e interes en Algebra Lineal. El determinante es un concepto que, adem


as de servir para resolver

sistemas lineales, permite describir aspectos, tanto te


oricos como pr
acticos. U n tema de especial

interes es el de vectores y valores propios , que estudiaremos en el captulo nal del texto. En

esta seccion, adem


as de su de nici
on y algunos ejemplos, presentaremos las propiedades de los

determinantes y la regla de Cramer para resolver sistemas lineales.

2.4.1 Conceptos basicos

Consideremos un sistema de dos ecuaciones lineales con dos variables, y tratemos de identi car las

condiciones sobre los coe cientes, que son necesarias para que el sistema tenga soluci
on:

+ =      

11 x 1 12 x 2 1 11 12 1
= 1
a a b a a x b

1 + 2 =
; o ; :

a21 x a 22 x b 2 a21 a 22 x 2 2
b

La consistencia o inconsistencia de este sistema, depende de la matriz de los coe cientes. As, para

simpli car las cosas, tomaremos b 1 = b 2 = 0 . En esas condiciones, se trata del sistema homogeneo,

= 00
     

a11 a 12 x 1
:
a21 a 22 x 2

Denotemos por A la matriz de los coe cientes, y por x el vector variable. El sistema tiene entonces

la forma A x=O . Si A =O , cualquier vector x es una soluci


on, ya que Ox=O , para todo

x . En caso contrario, si A6 O
= , podemos asumir, sin perdida de generalidad, que a11 6= 0 . En

ese caso, para hallar una soluci


on, basta transformar la matriz en una forma triangular. Esto, de

hecho, lo podemos hacer aplicando el metodo del pivote:

0 0
! !

a 11 a 12
a 11 a12

a 11 2
F F2 a 21 F1

a 21 a 22


0 ! a 11 a21 a 11 a22

0 !

0
!

a 11 a12

0 0

11 a22 12 a21

a a

La u
 ltima matriz corresponde a un sistema homogeneo en forma triangular. La naturaleza de

las soluciones del sistema, depender


a del valor de la u
 ltima componente de la matriz. Hay dos

posibilidades:

a 11 a22 a12 a21 =0 ; o ; a 11 a22 a12 a21 6= 0 :

En el primer caso, el sistema tiene in nitas soluciones (explique!), mientras que en el segundo,

1 03
1 04 2 S is t e mas line ale s

hay una u nica solucion. Por esta razon, el termino de la izquierda en las ecuaciones anteriores, se
llama el determinante del sistema o de la matriz (de los coe cientes del sistema). En general, el
determinante de una matriz cuadrada, se denotara por det o por j j , y se de ne as: A A


D EFINICI O N 3 Dada una matriz cuadrada de orden dos,
 

A =
a 11 a 12
,
a 21 a 22

su determinante, j j , es el numero real dado por


A

11 12

a a
= 11 a22 12 a21

a a :

21 22

a a

Los siguientes ejemplos numericos ilustran la de nicion anterior:


j 2j 1 0

I =
= 1 0 = 1

0 1

 

3 4
)j j 3 4
 

A = = A =
= 3 7 2 4 = 13
2 7
2 7

 

3 2
)j j 3 2
 

t t
A = = A =
= 3 7 4 2 = 13 :
4 7
4 7

Determinantes de orden tres


Para extender el concepto de determinante al caso general de una matriz cuadrada de orden
n, consideraremos el caso de orden tres. Procederemos inductivamente: Primero reducimos el
determinante de orden tres a determinantes de orden dos; luego reducimos el de orden cuatro a
orden tres, y as sucesivamente.
0 1

a 11 a 12 a 13
Para A = @
a 21 a 22 a 23
A
, su determinante se de ne como sigue:
a 31 a 32 a 33


a 11 a 12 a 13


a 22 a 23 a 21 a 23 a 21 a22

21 22 23 = 11 12 + 13

a a a a a a :


a 32 a 33 a 31 a 33 a 31 32
a

a 31 a 32 a 33

El determinante de orden tres, se ha reducido al computo de tres determinantes de orden dos, los
cuales estan multiplicados por los elementos de una la de la matriz original. Note la presencia
de un signo menos en la de nicion anterior. Esto motiva la introduccion del concepto de matriz
menor , asociada a un elemento de la matriz original. Se trata de la matriz que resulta de eliminar
la la y la columna correspondientes a dicho elemento. Concretamente, dada una matriz cuadrada
A = ( ij ) , la matriz menor
a ij , asociada con ij , resulta de eliminar en
M , su la i y su columna a A A
2.4 D e t e rminant e s 1 05

A j . Entonces, el determinante de orden tres se puede reexpresar as:


D EFINICI O N 4 Si A es una matriz de orden tres,
j Aj = a11 j M11 j a12 j M12 j + a13 j M13 j :

El computo de un determinante de orden tres es simple. Como ilustracion calculemos el siguiente:



3 2 4


1 0
5 0
5 1


5 1 0
= 3
2
4


0 3
2 3
2 0


2 0 3

= 3( 3) 2( 1 5) 4( 2) = 9 30 + 8 = 13 :

Determinantes de orden n
Para hacer las cosas un poco mas comodas en la extension del determinante, consideremos los
signos que se presentan en los terminos del desarrollo para matrices de orden tres. Ya que estos
aparecen alternados, podemos determinarlos con las potencias enteras de ( 1 ) . Este es el proposito
de la siguiente de nicion:


D EFINICI O N 5 Para una matriz A = ( aij ) de orden n, el cofactor del elemento aij , denotado
por A ij , se de ne como
A ij = ( 1)
i + jj M j :
ij

Los cofactores de los elementos de una matriz de orden n son determinantes de orden n 1 , con
un signo, que depende de la la y la columna del elemento respectivo. En este contexto, es facil
dar la de nicion general para el determinante de una matriz de orden n.

 N 6
D EFINICI O Si A = ( aij ) n n , su determinante esta dado por
j Aj n
=1 aij A ij ;
P

=
j

en donde i re ere una la arbitraria (pero ja) de A .


NO TA . La aplicacion directa de la de nicion anterior para hallar el determinante de una
matriz de orden n ; no es muy e ciente cuando n sea relativamente grande, digamos n > 5 .
En esas circunstancias, debemos acudir a propiedades de los determinantes que simpli quen los
procesos involucrados.

2.4.2 Interpretacion geometrica


1 06 2 Sistemas lineales

El determinante de una matriz 2  2 tiene una interpretacion geometrica como el area de un


paralelogramo. Para ver esto, tomemos dos puntos del plano, P = ( x 1 ; y1 ) , Q = ( x 2 ; y2 ) y
consideremos el area del triangulo OPQ.

y
Q

P
θ2
α θ1
x
O

fig. 12

Las coordenadas polares del plano nos dan


x1 = ( OP) cos 1 ; y1 = ( OP) sen 1 ; x2 = ( OQ ) cos 2 ; y2 = ( OQ ) sen 2 ;
en donde r1 = OP ; r2 = OQ , y 1 y 2 son los angulos que se muestran en la gura 3. Ahora
bien, el area del triangulo OPQ es
(1 = 2 ) ( OP) ( OQ ) = 6 POQ :
sen ; con

! forma el angulo 
Si el 4OPQ tiene orientacion antihoraria, entonces, el vector OQ 1 + con
2 =

el eje positivo x. As las cosas,


1 1
area
 4OPQ = ( OP) ( OQ ) sen = ( OP) ( OQ ) sen ( 2 1 )
2 2

1
= ( OP) ( OQ ) ( sen 2 cos 1 cos 2 sen 1 )
2

1
= ( OQ ) sen 2  ( OP) cos 1 ( OQ ) cos 2 ( OP) sen 1
2

x 1 y1

1 1
= ( y2 x 1 x 2 y1 ) =

:
x 2 y2

2 2

Similarmente, si el 4OPQ tiene una orientacion horaria, entonces,


2.4 D e t e rminant e s 1 07

1

x 1 1
y

area(
 4 O PQ ) =

:
2

x 2 2
y

Con un poco mas de esfuerzo, se puede mostrar que el determinante de orden tres corresponde al
volumen del paralelipido generado por los tres vectores la de la matriz respectiva (ejercicio).

2. 4. 3 Propiedades de los determinantes

Es de advertir lo tediosos que pueden resultar los calculos para un determinante de orden , cuandon

n es un poco grande. Esto se debe a que, de acuerdo con la de nicion, todo el trabajo hay que
reducirlo a determinantes de orden dos. Por ejemplo, en un determinante de orden cinco se empieza
por reducirlo al computo de cinco determinantes de orden cuatro, cada uno de los cuales se reduce
a cuatro determinantes de orden tres, y estos a su vez se llevan, cada uno, al computo de tres
determinantes de orden dos. En total, hay que calcular 5  4  3 = 6 0 determinantes de orden
dos. Afortunadamente, los determinantes gozan de varias propiedades que permiten simpli car
enormemente los computos.

Propiedades basicas

La primera propiedad es fundamental en el desarrollo de la teora de los determinantes, pero


omitiremos su prueba ya que requiere la nocion de permutaciones, ajena a este curso.
TEO REM A 3 El computo del determinante de una matriz, es independiente de la la
o columna escogida para su desarrollo.
La validez del resultado se puede veri car en el caso particular de una matriz de orden tres. Como
un buen ejercicio, el estudiante puede desarrollar el siguiente determinante en su primera la y en
su tercera columna y comparar los resultados.
0 1

a 11 a 12 a 13
= 21 22 23
@ A
A a a a :

a 31 a 32 a 33

La propiedad anterior se puede utilizar para sacar ventaja en la evaluacion de un determinante.


La idea es escoger la la o columna que tenga la mayor ocurrencia de ceros.
EJEM P L O 16 Para desarrollar el siguiente determinante de orden cinco, es claro que lo
mas conveniente es escoger entre la cuarta la o la u ltima columna, por ser las que tienen mayor
ocurrencia de ceros. Elijamos la u ltima columna. Como vera, en los subdeterminantes que resulten,
para su desarrollo se tomara la la o columna con mas ceros.
1 08 2 Sistemas lineales
2 1 0 3 0

2 1 0 3 2 1 0 3

2 3 2 4 0

2 3 2 4 2 3 2 4

= 5 1 4 0 1 = +3

4 0 0 3 5 1 4 0

4 0 0 3 0

0 6 0 1 4 0 0 3

0 6 0 1 3

2 1 3 1 0 3 2 1 0
0 1

= 2 4


0 3 +3


@
4 3


2 4 +3


2 3 2

0
6 1
1
4 0
5 1 4

1 3 2 1 2 4 3 2
   

= 2 4
3
12 1
+3


6 1
0
6
4 0

1
4

1 3 2 1 2 4 3 2
   

= 2 4
3
12 1
+3


6 1
0
6
4 0

1
4

3 2 2 2
 

+9 2
+
=
1
4
5 4

8( 1 + 1 8) + 6( 1 2 + 0) + 1 2( 0 1 6) 36( 1 2 2) + 1 8( 1 2 2) + 9( 8 1 0)
= 470 
TEOREMA 4 El determinante de una matriz es igual al de su transpuesta. Esto es,
j j =j
A A
tj :

PRUEBA (bosquejo) Usemos induccion matematica sobre el orden de la matriz. En primer


lugar, veri quemos el caso de una matriz = ( ij ) 2  2 : A a

j j = 11 12

=
a a

11 22 21 12

A a a a a

21 22

a a

j tj =

a 11 a 21

= 11 22 12 21

A a a a a

12 22

a a

Ahora asumamos que la propiedad se comple para matrices de orden ( 1 ) y probemos que n

tambien se cumple para matrices de orden Sea = ( ij ) n n . As, t = ( ji ) n n . Esto es, n : A a A a

a 11 a 12  a 1n
1 0

a 11 a 21  a n1
1

a 21 a 22  a 2n t
a 12 a 22  a n2
.. .. .. .. .. ..
B C B C

A = B C
; A = B C
;
@

. .  . A @

. .  . A

a n1 an2  a nn a 1n 2n
a  a nn

Ahora bien,
j j=
A a 11 A 11 + a 12 A 12 ++ a 1 nA 1 n ( 1 a la de A )
j j=
A a 11 A 11 + a 21 A 21 +    + n1 n1 a A ( 1 a columna de A )
2.4 D e t e rminant e s 1 09

j A
tj = 11 t11 + 21 t12 +    + n1 t1 n
a A a A a A ( 1 a la de A
t)

A ij es el determinante signado de M ij , la matriz menor asociada a ij .

Como M ij es de orden ( n 1 ) , por la hipotesis de induccion,

A ij = ( 1 ) i+ j j M ij j = ( 1 ) j+ i j M ji j = A ji = A
t
ij ; esto es ;

t t t
A
11 = A 11 ; A
12 = A 21   
; ; A
1n = A n1 : Luego ;

j A
tj = 11 11 + 21 21 +    + n1 n1 = j j
a A a A a A A : 
TEO REM A 5 Si una matriz tiene una la o una columna que consta solo de ceros, su
determinante es cero.
P RUEBA Es facil! Note que, al escoger dicha la (columna) para desarrollar el determinante,
todos los cofactores quedan multiplicados por cero:
n
j j= 
X

A 0 ( ij ) = 0
A :

j=1

TEO REM A El determinante de una matriz triangular es igual al producto de los


6

elementos de su diagonal principal.


P RUEBA Consideremos primetro una matriz triangular inferior. La prueba se realiza facil-
mente por induccion sobre el tamano de la matriz. En primer lugar, el resultado es simple para
n

el caso = 2 :
n

11 0


= 11 22
a a a 21 0 = 11 22 a a :

21 22

a a

Ahora tomemos n 2 y supongamos que el resultado es verdadero para matrices de tamano


>

n 1 , y consideremos una matriz triangular inferior . Usando la primera la para expandir el A

determinante, y aplicando la hipotesis de la induccion, resulta:



a 11 0 0  0

a 22 0  0

33   

a 21 a 22 0  0

a 32 a 0

j j=

A

.. .. .. ..
= 11 a

.. .. .. ..

. . . .


. . . .




a n1 a n2 a n3 a nn

a n2 a n3  a nn

= 11  ( 22 33    nn)
a a a a ;

Para una matriz triangular superior, el argumento de induccion es el mismo y la prueba la dejamos
como ejercicio. Esto completa la prueba. 

Las siguientes son dos consecuencias inmediatas del teorema anterior:


110 2 Sistemas lineales

COROLARIO 1 El determinante de una matriz diagonal, es el producto de los ele-


mentos en su diagonal.
COROLARIO 2 El determinante de la matriz identidad es 1 .
PRUEBA Toda matriz diagonal es triangular. In es diagonal, con 1 's en su diagonal. 

Operaciones elementales sobre las las


Las siguientes propiedades se re eren a las operaciones elementales sobre las las de una matriz.
TEOREMA 7 Si en una matriz se multiplica una la por una constante, su determinante
queda multiplicado por la misma constante .

PRUEBA La idea es mostrar que si una matriz B se obtiene de una matriz A multiplicando
una la de A por una constante no cero , entonces
j Bj = j Aj :
Tomemos,
0
a11 a12    a1 n 1 0
a11 a12    a1 n 1
.. .. . .. .. .. C
B
B . .    .. CC B
B . .  . C
B
A= B ai 1 a i 2    ain CC ; y B= B
B ai1 ai2    ain CC :
B .. .. . C B .. .. .. CA
@ . .    .. A @ . .  .
an1 an2    ann an1 an2    ann
Expandiendo j Bj a lo largo de la i esima la resulta,
X
n
X
n

j Bj = ( aj ) A ij = aj A ij = j Aj 
j= 1 j= 1

TEOREMA 8 Si se intercambia dos las en una matriz de orden n ; su determinante


cambia de signo.
PRUEBA Mostraremos que si una matriz B se obtiene de una matriz A
( b osquej o)

intercambiando dos las de A ; entonces j Bj = j Aj .


Usemos induccion sobre el orden n de la matriz:
   
Para n = 2 se tiene, A = a a a B= a a a
a12 :
11 12 21 22
21 a22 y
11

Luego, j Bj = a21 a12 a11 a22 = ( a11 a22 a21 a12 ) = j Aj .


2.4 D e t e rminant e s 111

Ahora asumamos que la propiedad se cumple para matrices de orden ( n 1 ) y supongamos que
B es una matriz que se obtiene intercambiando dos las de una matriz A ; de orden n : Para
hallar j A j y j B j expanda los determinantes en una la diferente de las intercambiadas. Las
matrices menores asociadas a los elementos de la la escogida en B tienen orden ( n 1 ) . As, por
la hipotesis de la induccion, los cofactores de dicha la en B son los negativos de los cofactores
de la correspondienre la de A ya que corresponden a matrices de orden ( n 1 ) con dos las
intercambiadas. Por lo tanto, factorizando el 1 negativo resulta,
j Bj = j Aj : 

TEO REM A 9 El determinante de una matriz no se altera, si a una la se le suma un


multiplo escalar de otra.
P RUEBA (bosquejo) Muestre que si una matriz B se obtiene de una matriz A sumandole un
multiplo de una la de A a otra la de A ; entonces j Bj = j Aj . Para ello solo necesita mostrar
que sus respectivas expansiones por co-factores son iguales. Siga las siguientes instrucciones:

i) Tome B sumando veces la la j-esima de A a la la i-esima de A:


ii) Expanda j Bj a lo largo de los cofactores de su la i-esima.
iii) Distribuya y agrupe los terminos que contienen el factor y los que no lo contienen.
iv) Muestre que la suma de los terminos sin es igual a j A j y la suma de los terminos con el
coe ciete es igual a cero. 

Las propiedades anteriores son importantes porque con ellas podemos transformar una matriz
a una forma triangular, usando operaciones elementales, para hacer mas facil el computo de su
determinante.
EJEM P L O 1 7 Estudie el proceso de evaluacion de este determinante.
F2 F1


2 4 3
2
2 4 3 1
4
F2
2 4 3

F3 + 3 F2
F3 3 F1


4 0 2
=
0 8 4
= ( 4)
0 2 1


6 6 2
0 6 7
0 6 7


2 4 3

 2 : 

= ( 4)
0 2 1
= ( 4) [ 2 ( 4) ] = 6 4


0 0 4

TEO REM A 1 0 (P ropiedad multiplicativa) El determinante del producto de dos ma-


trices (del mismo orden) es igual al producto de sus determinantes.
En smbolos, si A y B son matrices del mismo orden, j A Bj = j Aj  j Bj .
P RUEBA (Lo siento!) La idea de la prueba se basa en la nocion de matrices equivalentes
por las, no discutidas en estas notas. 
112 2 Sistemas lineales

Combinando las propiedades 5 y P P9 , obtenemos la condicion necesaria y su ciente para que una
matriz cuadrada sea invertible:
TEOREMA 1 1 ( P ropiedad invertible) Una matriz c uadrada A e s inve rtib le , si y s
o lo

si, su de te rminate e s distinto de ce ro . Ademas,

j A
1
j = 1 j Aj
:

PRUEBA Suponga que A es invertible. Esto quiere decir que, existe una matriz A
1
, tal que
AA
1
= n . Pero entonces:
I

j A  A
1
j = j In j () j Aj  j A
1
j =1
La u ltima igualdad implica que, simultaneamente, j Aj =0 y
6 j A
1
j = 0.
6

Esto prueba la primera parte del teorema.


Ademas, ya que j Aj = 0 =0
6 6 j A
1
j , de la u ltima igualdad se sigue que
j A
1
j = 1 j Aj
: 

2. 4. 4 La inversa con determinantes

Los determinantes constituyen una va alterna en el estudio de sistemas lineales y matrices. Con
ellos, por ejemplo, podemos hallar la inversa de una matriz y las componentes de la solucion de
un sistema, cuando dicha solucion es u nica. Nuestro proposito ahora es desarrollar estas ideas,
ilustradas para matrices y sistemas lineales de orden tres, pero extendibles a un orden arbitrario
n .
Si es una matriz cuadrada, de acuerdo con la propiedad 1 , el determinante es independiente de
A

la la escogida para su desarrollo. Si es de orden tres,A

0 1 8
11 12
a 13
a
>< 11 11 + 12 12 + 13 13
a
a A a A a A

A
@
= 21 22 23 =a a
A = > 21 21 + 22 22 + 23 23
a ) j Aj a A a A a A

31 32
a 33
a
:
a
+ + a31 A 31 a 32 A 32 a 33 A 33

Ya que cada cofactor ij es un numero, podemos formar vectores y matrices con ellos. As podemos
A

expresar el determinante de como, A


2.4 D e t e rminant e s 113
0 1 0 1

A 11 A 21
j j
A = ( a11 ; a 12 ; a 13 )
@
A 12
A
= ( a21 ; a 22 ; a 23 )
@
A 22
A

A 13 A 23
0 1

A 31
= ( a31 ; a 32 ; a33 )
@
A 32
A
:

A 33

Para ser mas tecnicos, construyamos una matriz de orden tres con los cofactores de , y denotemos A

su transpuesta por . Esto es,


C

0 1

A 11 A 21 A 31
= 12 22 32
@ A
C A A A :

A 13 A 23 A 33

Con esta matriz, la ecuacion para el determinante de A se puede expresar como


j j A = A 1C
1
= A 2C
2
= A 3C
3
:

En los productos anteriores, la combinacion de las las de con las columnas de es importante. A C

En efecto, si se combinan de otra manera, resulta un determinante con dos las iguales, lo cual da
cero. Por ejemplo:
0 1

A 21
2
1C = ( a11 ; 12 ; 13 ) 22 = 11 A 21 + 12 A 22 + 13 A 23
@ A
A a a A a a a

A 23

Expandiendo cada cofactor A ij , con i = 1; 2 ; j = 1 ; 2; 3 , resulta


2 12 13 11 13 11 12

a a a a a a

1C = 11 + 12 13

A a a a

32 33 31 33 31 32

a a a a a a

11 12 13

a a a

= 11 12 13 = 0

a a a :

31 32 33

a a a

Como un buen ejercicio para el estudiante, dejamos la veri cacion que


3 1 3 1 2
A 1C = A 2C = A 2C = A 3C = A 3C = 0 :

Recordemos que si y son matrices de orden , su producto es una matriz


A B n P = ( pij ) , con
pij =Ai
j
B. De modo que, tomando y como antes, tenemos: A C
114 2 S is t e mas line ale s

A 1 C
1
A 1 C
2
A 1 C
3 1 0

j j
A 0 0
1

 1 2 3
j j
B C B C

= 2 2 2 = 0 0
B C B C
A C A C A C A C A
@ A @ A

A 3 C
1
A 3 C
2
A 3 C
3
0 0 j j
A

0 1

1 0 0

= j j
A
@
0 1 0 A
= j j A I 3 ) A  C = j j
A 3
I :

0 0 1

Si es invertible, sabemos que j j 6= 0 . Esto nos permite multiplicar por su inversa en ambos
A A

lados de la u ltima igualdad y despejar 1 , resultando: A

1
= j j 1
) 1
=
j j
C A A A C :
A

Estas ideas se generalizan directamente a matrices de orden n con los siguientes de nicion y
teorema.


D EFINICI O N 7 Si A es una matriz de orden n ; la transpuesta de la matriz de sus cofactores,
se llama la adjunta de A y se denota p or adj( A ) . Esto es, adj( ) = ( ij ) tn n . A A

TEO REM A 1 2 Si A es una matriz invertible, entonces,


1
1
= adj( A )
j j
A :
A

EJEM P L O 18 Usemos determinantes para mostrar que la siguiente matriz es invertible, y


hallemos su inversa:
0 1

3 2 0

A = @
0 1 1 A
:

1 0 2


S O L UCI O N En primer lugar, calculamos el determinante de : A


3 2 0

A =
0 1 1
= 8 :


1 0 2

De aqu se sigue que es invertible, ya que su determinante es distinto de cero. Denotando por
A

C la transpuesta de la matriz de los cofactores de , se tiene: A

0 1 0 1

2 4 2 2 4 2
1
C = @
1 6 3 A
= ) A
1
= @
1 6 3 A
: 
8
1 2 3 1 2 3
2.4 D e t e rminant e s 115

2. 4. 5 Regla de Cramer

Gabriel Cramer (1704-1752) Matematico suizo nacido


en Ginebra, con gran precocidad matematica. A los 18 anos
recibio su doctorado y a los 20 fue profesor de la Univer-
sidad de Ginebra; a los 27 presento ante la Academia de
Ciencias de Pars, un estudio sobre las mu ltiples causas de
la inclinacion de las orbitas de los planetas. En 1750 de-
mostro que toda curva de grado n esta determinada por
N puntos situados en ella, con N = n( n + 3) =2 .

Esta regla es un metodo valido solo para resolver sistemas de orden . Desde el punto de vista n

teorico, el metodo revela explcitamente la manera como las soluciones dependen de los coe cientes
de la matriz.
Para introducir la regla, consideremos un sistema lineal x A = b , en donde es invertible de A

orden tres. Entonces, su u nica solucion esta dada por x = A


1
b . Usando la formula para la


inversa, tenemos,
 

x =
j Aj
1
C  b :

En forma expandida, esta ecuacion se escribe como,


0 1 0 1 0 1

x 1 A 11 A 21 A 31 b 1
x =
B

@
x 2
C

A
=
1

j A j
B

@
A 12 A 22 A 32
C

A
B

@
b 2
C

x 3 A 13 A 23 A 33 b 3

0 1

A 11 b1 + A 21 b2 + A 31 b3
1 B C

= @ A 12 b1 + A 22 b2 + A 32 b3 A :
j A j

A 13 b1 + A 23 b2 + A 33 b3

Con un poco de observacion sobre el lado derecho de la u ltima igualdad, podemos notar que cada
componente del vector x es el desarrollo del determinante de la matriz sobre una columna cuyas A

componentes son las del vector b. Usando igualdad entre vectores, obtenemos las componentes de
x = ( 1 2 3)t :
x ; x ; x

1 12 13

b a a

1 1

x 1 = ( A 11 b1 + A 21 2b + A 31 3) =
b  b 2 a 22 a 23

j Aj j Aj

3 32 33

b a a

11 1 13

a b a

1 1

x 2 = ( A 12 b1 + A 22 2b + A 32 3) =
b  a 21 b 2 a 23

j Aj j Aj

31 3 33

a b a
116 2 S is t e mas line ale s

11 12 1

a a b

1 1
3 = ( A 13 b1 + 23 b2 + 33 b3 ) = 

21 22 2

j j j j
x A A a a b :
A A

31 32 3

a a b

El procedimiento que acabamos de ver, da las componentes para la solucion de un sistema lineal de
orden . Un requisito obvio es que el determinante de la matriz de los coe cientes del sistema sea
n

diferente de cero. En caso contrario, si el determinante es cero, hay dos posibilidades: el sistema
es inconsistente o tiene in nitas soluciones. En el caso particular de un sistema homogeneo, con
b = ( 0    0 ) t , si j j = 0 todas las componentes de la solucion tiene la forma
; ; A

0
xi = ;
0

lo que corresponde a in nitos valores de i . Esto signi ca que si j j x A = 0 el sistema tiene in nitas
soluciones. Este es el contenido del siguiente
TEO REM A 1 3 Un sistema lineal de orden n tiene solucion u nica si y solo si, el determinante
del sistema es distinto de cero.
EJEM P L O 1 9 Con la regla de Cramer resolvamos el siguiente sistema:

3 x1 2x2 + x 3 = 5

x 1 + 4x 2 x 3 = 9

2 x1 + x 2 5 x3 = 5 :


S O L UCI O N Primero computamos el determinante del sistema:


3 2 1


1 4 1
= 62 :


2 1 5

Como el determinante no es cero, el sistema tiene una solucion u nica:



5 2 1
3 5 1

1
1

1 = 9 4 1 = 3 2 = 1 9 1 = 1

x ; x ;
62 62


5 1 5
2 5 5


3 2 5

3 = 1 4 9 = 2

x :

62
2 1 5

De modo que, la solucion del sistema es el vector ( 3 ; 1; 2)


t
. 
2.4 D e t e rminant e s 117

E J E R C IC IO S
5 6. Eval
u e cada uno de los siguientes determinantes:


cos sen
sec tan
sen 1

a)
; b)
; c)
;
sen cos tan sec

1 sen

5 7. Determine si la siguiente ecuaci


on tiene soluci
on para x.
x x


cos 0 sen

sen x cos x

0 = 0

sen x cos x sen x + cos x


5 8. Encuentre el n u
 mero racional a para el cual el siguiente sistema homogeneo tiene soluci
on

no-trivial y resuelva el sistema para ese valor de a.


x 2y + 3z = 0
ax + 3 y + 2 z = 0
6 x + y + az = 0 :

5 9. Suponga que es un escalar y A es una matriz cuadrada de orden n.


Muestre que, j  Aj = n  j Aj ; 8n 2 N .
6 0. Calcule el siguiente determinante, reduciendolo a una forma triangular.

2 6 4 2

1 2
1 5

1
0

2 0 1 4

61 . Suponga que P x 1 ; y1 ) y Q
= ( = ( x 2 ; y2 ) son puntos distintos en R
2
. Muestre que la

ecuacion de la recta a traves de P y Q es,

x y

x 1 y1 :


1
= 0

x 2 y2

6 2. Los siguientes se conocen como los determinantes de Vandermonde de orden 3 y 4, respecti-

vamente. Eval
u e cada uno de ellos:

1 x 1 x 21 x 31

x 1 x 21



1

x 2 x 22 x 32



1

D3 x 2 x 22 D4 = :

=
1

x3 x x


2 3
1 3 3
x 3 x 23

1 x4 x 2
4 x 3
4

118 2 Sistemas lineales

6 3. De una formula para el determinante de Vandermonde de orden n ,



1 x 1 x
2
1  x
n
1
1

2
 n 1


1 x 2 x
2 x
2

Dn =
:

.. .. .. .. ..


. . . . .

1 xn x
2
n  x
n
n
1

6 4. Se dice que una matriz invertible es o rtogonal , si A  A


t
= I .

Demuestre que si A es ortogogal, entonces, j j A = 1 o j j A = 1 .

6 5. Exprese en terminos de j j
A cada uno de los siguientes valores:

a) j2 j;
A b) j A j; c) j A
2
j; d) j A
n
j.
6 6. Suponga que A es una matriz de orden 5 con determinante j j
A = 5 .

Determine: a) j3 j ,
A b) j A
t
j, c) j A
1
j, d) j A
3
j.
6 7. Use determinantes para clasi car cada matriz como invertible o singular, y para hallar la
inversa de las invertibles:
0 1
0 1 0 1
4 3 6 2
0 1 2 2 1 5
B 1 3 5 6 C
@
5 4 0 A
;
@
4 3 2 A
; @ A
:
7 3 4 2
3 0 1 2 1 5
0 0 0 0

6 8. Suponga que A es una matriz antisimetrica de orden n , y pruebe que:

a) j j
A = ( 1)
n
 j j. A b) Si n es impar, entonces, j j
A = 0 .

c) Que ocurre si A es de orden par?

6 9. ( Conjuganci a) Si A es una matriz invertible, muestre que para cualquier matriz B del
mismo orden de , A

j A
1
B A j = j j B :

7 0. Sea i = ( i i ) , con
P x ; y i = 1 ; 2; 3 . Si x 1 ;2 3 son todos diferentes, pruebe que existe
x ; x

2
solo una curva de la forma y = ax + bx + c que pasa por los puntos i ' s. P

71 . Use un sistema lineal y la regla de Cramer, para hallar la ecuacion de la parabola que pasa
por los puntos ( 1 2 ) , ( 0 1 ) y ( 2 6 ) .
; ; ;

7 2. Use la regla de Cramer para resolver cada sistema:


2.4 D e t e rminant e s 119

8 8

>
3 x1 2x2 + x 3 = 13 >
x 1 + 2 x2 3x3 = 0
> >
< <

a) 5 x 1 + 4x 2 x 3 = 3 ; b) 4x 1 x 2 + x 3 = 0 :
> >
> >
: :

x 1 x 2 + 2 x3 = 7 x 1 + 3 x2 x 3 = 0

7 3. Veri que que las siguientes identidades se cumplen 8 a; b 2 R:



2a 2b b c

b + c b c

2 2 2


2b 2a a c

= 2( a b) (a + b) ;
c c + a a

= 2 a( b + c ) :


a + b b c

b a a + b

0 1

1 1 1

7 4. Tome A = @
2 3 k
A
y halle k tal que j j A = 0 .
1 k 3

7 5. Para un sistema homogeno de orden tres, demuestre lo siguiente:


i) Si el determinante del sistema no es cero, la u nica solucion es O .
ii) Si el determinante del sistema es cero, hay in nitas soluciones.
7 6. Considerando el determinante de los coe cientes, halle todos los nu meros racionales a y b

para los cuales el siguiente sistema:


i) es inconsistente (no tiene soluciones); ii) tiene exactamente una solucion;
iii) tiene in nitas soluciones. Resuelva el sistema en este u ltimo caso.
x 2y + bz = 3

ax + 2z = 2

5x + 2y = 1 :

7 7. Muestre que si A es antisimetrica de orden 3, entonces j j A = 0 .


7 8. Exprese como un polinomio en , el determinante de la matriz t

0 1

1 1 2 1

B 1 2 3 4 C

B = @ A :
2 4 7 2t + 6

2 2 6 t t

Determine los valores racionales de para los cuales t B es invertible.


1 1 1 1

7 9. Pruebe que

r
1

r
1

1
1

= (1 r)
3
.

r r r 1

8 0. Compute y de su respuesta en forma simpli cada.


1 20 2 S istemas lineales


a b c


a + x b + x c + x :

a + y b + y c + y

81 . (Mul ti l i neal i dad de l os determi nantes) Pruebe cada determinante de orden 3 es lineal
en cada la y en cada columna. Esto es, pruebe que

11 12 13 11 12 13 11 + 11 12 13

a a a b b b a b b b

a21 a22 a 23 +
21
b b 22 b 23 = a 21 + b21 b 22 b 23

31 32 33 31 32 33 31 + 31 32 33

a a a b b b a b b b

8 2. Pruebe la validez de la siguiente identidad, para a 6= 0 ; b 6= 0 6= . c


1 + a 1 1  


1 1 1

1 1 + b 1
= abc 1 + + +

a b c

1 1 1 + c


a b c

Suponga que . Halle:


8 3.
d e f

= 2


g h i


d e f

2a 2b 2c
3a 3b 3c

i) .


g h i

; ii)
d e f

; iii)
d e f


a b c

3g 3h 3i
g 4d h 4e i 4f

8 4. ( Inversa de una matriz no-constante) Considere la matriz 3  3,


0 1

t
e 0 0

A ( t) = 0 cos sen
@ A
t t

0 sen t cos t

Muestre que A ( t) es invertible y halle ( A ( t) )


1
.
8 5. Use la regla de Cramer para obtener z de la ecuacion
0 1 0 1 0 1

1 0 0 x 1
t t
@
0 e cos t e sen t
A @
y
A
= @
t
A
:

t t 2
0 e sen t e cos t z t

8 6. Siga las instrucciones dadas en la pagina 1 1 1 , para probar que:


El determinante de una matriz no se altera, si a una la se le suma
un multiplo escalar de otra.